eticaret siteleri için sahtekârlık tespit sistemleri

advertisement
E-TİCARET SİTELERİ İÇİN SAHTEKÂRLIK TESPİT
SİSTEMLERİ
YASİN KIRELLİ
Danışman
Yrd. Doç. Dr. Mustafa Cem KASAPBAŞI
YÜKSEK LİSANS TEZİ
BİLGİSAYAR MÜHENDİSLİĞİ ANA BİLİM DALI
İSTANBUL 2016
İÇİNDEKİLER
İÇİNDEKİLER ...................................................................................................
ÖZET...................................................................................................................
ABSTRACT ........................................................................................................
TEŞEKKÜR ........................................................................................................
ŞEKİLLER DİZİNİ.............................................................................................
ÇİZELGELER DİZİNİ .......................................................................................
SİMGELER VE KISALTMALAR DİZİNİ .......................................................
1. GİRİŞ ..............................................................................................................
2. LİTERATÜR ÖZETİ ......................................................................................
3. BİLGİNİN OLUŞUM SÜRECİ ......................................................................
3.1. Veri (Data) .............................................................................................
3.2. Enformasyon .........................................................................................
3.3. Bilgi .......................................................................................................
4. VERİ MADENCİLİĞİ ....................................................................................
4.1. Veri Madenciliği Yararlı Bilgiye Ulaşma Süreçleri ..............................
4.1.1. Problemin tanımı .........................................................................
4.1.2. Verinin temizlenmesi ..................................................................
4.1.3. Verinin bütünleştirilmesi..............................................................
4.1.4. Verinin dönüştürülmesi ................................................................
4.1.5. Değişken seçimi ..........................................................................
4.1.6. Model oluşturma ve değerlendirme .............................................
4.2. Veri Madenciliği Modelleri....................................................................
4.2.1. Sınıflandırma modeli ...................................................................
4.2.1.1. Karar ağaçları .......................................................................
4.2.1.2. Naive bayes algoritması ......................................................
4.2.1.3. K en yakın komşu algoritması ............................................
4.2.1.4. Yapay sinir ağları .................................................................
4.2.1.5. Genetik algoritmalar ............................................................
5. SAHTECİLİK TANIMI VE SAHTECİLİK ÖNLEME YÖNTEMLERİ ......
5.1. Sanal ve Gerçek Ortamda Sahtecilik.....................................................
5.2. Sanal Ticarette Sahtecilik Önleme Yöntemleri ....................................
6. E-TİCARET SİTESİ SİPARİŞ VERİLERİNİN ANALİZİ............................
6.1. Verilerin Analiz Süreci ..........................................................................
6.2. Değişkenlerin Sınıflandırma Üzerinde Etkisinin Belirlenmesi ..............
6.3. Model Üzerinde Sınıflandırma Metodlarının Uygulanması .................
7. WEKA’DA ALGORİTMALARIN UYGULANMASI..................................
7.1. Navie Bayes Uygulanması .....................................................................
7.2. RBF Network Uygulanması ..................................................................
7.3. IBK Uygulanması .................................................................................
7.4. NBTree Uygulanması ...........................................................................
7.5. J48 Uygulanması ...................................................................................
8. ARAŞTIRMA BULGULARI VE TARTIŞMA .............................................
9. SONUÇ VE ÖNERİLER ................................................................................
KAYNAKÇA .....................................................................................................
ÖZGEÇMİŞ .......................................................................................................
II
Sayfa
ii
iii
iv
v
vi
viii
ix
1
3
5
6
6
7
9
10
13
13
13
14
14
15
17
18
30
18
22
24
25
30
30
31
32
32
33
36
37
37
40
42
45
47
51
54
55
58
ÖZET
Yüksek Lisans Tezi
E-TİCARET SİTELERİ İÇİN SAHTEKÂRLIK TESPİT SİSTEMLERİ
YasinKIRELLİ
İstanbul Ticaret Üniversitesi
Fen Bilimleri Enstitüsü
Bilgisayar Mühendisliği Ana Bilim Dalı
Danışman: Yrd. Doç. Dr. Mustafa Cem KASAPBAŞI
2016, 58 Sayfa
İnternet üzerinden yapılan alış verişlerde sahtecilik içeren işlemler, ana kaygılardan
biridir. Dolandırıcılık işlemleri sadece müşteriler ve E-Ticaret şirketlerini değil, aynı
zamanda bankalar için de mali kayıplara neden olmaktadır. Bu nedenle, sahtecilik
olarak ilişkilendirebilecek siparişleri sınıflandırabilmek ve tespit edebilmek E-Ticaret
siteleri için büyük önem taşır. Bu türde sahtecilik tespiti, bankacılık sektöründe
olduğu gibi müşterileri hakkında bolca bilgi bulunduğundan daha kolaydır ancak,
ticari internet sitelerindemüşteri hakkında uygun nitelikleri bulmak daha zordur. Bu
çalışmada bir E-Ticaret sitesinin gerçek verileri, yasa dışı kredi kartı
kullanımlarınıanaliz etmek için kullanılmıştır. Öncelikle tüm ham veri analiz edilmiş
ve eksik değerlerinden filtre edilmiştir. Gainratio algoritmasıyla en uygun değerler
seçilmiş, sonrasında veri madenciliği tekniğiyle Navie Bayes, Karar Ağacı (J48)
algoritmaları kullanılarak, %95’ten fazla doğru sınıflandırma oranıyla sahtecilik
içeren işlemler tespit edilip sınıflandırılmıştır.
Anahtar Kelimeler: Sahtecilik, makine öğrenmesi, e-ticaret sahtekârlık tespiti.
III
ABSTRACT
M.Sc. Thesis
FRAUD DETECTION SYSTEM FOR E-COMMERCE SITES
Yasin KIRELLİ
İstanbul Commerce University
Graduate School of Natural and Applied Sciences
Department of Computer Engineering
Supervisor: Assist. Prof. Dr. Mustafa Cem KASAPBAŞI
2016, 58 Pages
Fraudulent transactions are one of the main concerns regarding online shopping.
Fraud transactions cause financial losses for not only to customers and E-Commerce
merchants but also to the banks. Therefore, it is crucial for E-commerce sites to have
capabilities to detect and to classify product orders that can be attributed as fraud.
These kinds of fraud detections are easier when there is available abundant
information about clients as in Banking but it becomes challenging to find proper
attributes in commercial web sites. In this study real transaction data of an ECommerce site are used to analyze for illegitimate use of credit card transactions.
Firstly all raw data analyzed and filtered from missing values. Appropriate attributes
are selected using gainratio algorithms, after then Fraudulent transactions have been
detected and classified and a true positive rate more than %95 is obtained using data
mining techniques namely, Naïve Bayesian, Decision trees (J48).
Keywords: Fraud, machine learning, e-commerce fraud detection.
IV
TEŞEKKÜR
Bu çalışmanın gerçekleşmesinde katkılarından dolayı ve danışmanım olarak tezin
yazılmasında yol gösteren Saygıdeğer öğretmenim Yrd. Doç. Dr. Mustafa Cem
Kasapbaşı ve verilerin toplanması sürecinde bana yardımını eksik etmeyen Gökhan
Uygun’a teşekkür ederim.
Yasin KIRELLİ
İSTANBUL, 2016
V
ŞEKİLLER
Şekil 3.1. Enformasyonun oluşumu ....................................................................
Şekil 4.1. Yararlı bilgiye ulaşma safhaları ..........................................................
Şekil 4.2. Veri madenciliği süreci .......................................................................
Şekil 4.3. Fayyad’a göre veri madenciliği modeli ..............................................
Şekil 4.4. Han’a göre veri madenciliği modeli ...................................................
Şekil 4.5. Karışıklık matrisi ................................................................................
Şekil 4.6. Veri madenciliği modelleri .................................................................
Şekil 4.7. Karar ağacı tespiti ...............................................................................
Şekil 4.8. Bayes eğitim kümesi ...........................................................................
Şekil 4.9. Frekansa göre düzenlenmiş eğitim kümesi .........................................
Şekil 4.10. KNN model grafiği ...........................................................................
Şekil 4.11. Yapay sinir ağları ..............................................................................
Şekil 4.12. Yapay sinir ağları katmanları ............................................................
Şekil 4.13. Genetik algoritmaları ........................................................................
Şekil 6.1. Site veritabanı yapısı ...........................................................................
Şekil 6.2. Uygulama modeli aşamaları ...............................................................
Şekil 8.1. Sonuç değerleri ...................................................................................
VI
Sayfa
5
9
11
11
12
17
18
20
22
23
25
27
27
28
32
36
51
ÇİZELGELER
Çizelge 3.1. Kullanıcının bir hareketinin veri örneği ..........................................
Çizelge 3.2. Verilerin bir araya getirdiği enformasyon.......................................
Çizelge 3.3. Yeni oluşturulan enformasyon ........................................................
Çizelge 3.4. Bilginin oluşma aşaması .................................................................
Çizelge 4.1. KNN örnek veri kümesi ..................................................................
Çizelge 4.2. Uzaklık değerleri hesaplanmış veri kümesi ....................................
Çizelge 6.1. Değişkenlerin sınıflandırma üzerine etkileri ...................................
Çizelge 6.2. Değişken listesi ...............................................................................
Çizelge 6.3. E-Posta normalizasyon tablosu .......................................................
Çizelge 6.4. Sipariş günü normalizasyon tablosu ...............................................
Çizelge 6.5. E-Posta doğrulama normalizasyon tablosu .....................................
Çizelge 6.6. Sipariş sahtecilik normalizyon tablosu ...........................................
Çizelge 7.1. Veri kümesi özellikleri....................................................................
Çizelge 7.2. Navie Bayes uygulaması istatistik sonuçları ..................................
Çizelge 7.3. Navie Bayes uygulamsı doğruluk sonuçları ...................................
Çizelge 7.4. Veri kümesi özellikleri....................................................................
Çizelge 7.5. Navie Bayes uygulaması istatistik sonuçları ..................................
Çizelge 7.6. Navie Bayes uygulaması doğruluk sonuçları ..................................
Çizelge 7.7. Veri kümesi özellikleri....................................................................
Çizelge 7.8. Navie Bayes uygulaması istatistik sonuçları ..................................
Çizelge 7.9. Navie Bayes uygulaması doğruluk sonuçları ..................................
Çizelge 7.10. Veri kümesi özellikleri ...................................................................
Çizelge 7.11. Navie Bayes uygulaması istatistik sonuçları.................................
Çizelge 7.12. Navie Bayes uygulaması doğruluk sonuçları ................................
Çizelge 7.13. Veri kümesi özellikleri..................................................................
Çizelge 7.14. RBF Network uygulaması istatistik sonuçları ..............................
Çizelge 7.15. RBF Network uygulaması doğruluk sonuçları .............................
Çizelge 7.16. Veri kümesi özellikleri ...................................................................
Çizelge 7.17. RBF Network uygulaması istatistik sonuçları ..............................
Çizelge 7.18. RBF Network uygulaması doğruluk sonuçları .............................
Çizelge 7.19. Veri kümesi özellikleri ...................................................................
Çizelge 7.20. RBF Network uygulaması istatistik sonuçları ..............................
Çizelge 7.21. RBF Network uygulaması doğruluk sonuçları .............................
Çizelge 7.22. Veri kümesi özellikleri ...................................................................
Çizelge 7.23. RBF Network uygulaması istatistik sonuçları ..............................
Çizelge 7.24. RBF Network uygulaması doğruluk sonuçları .............................
Çizelge 7.25. Veri kümesi özellikleri..................................................................
Çizelge 7.26. IBK uygulaması istatistik sonuçları ..............................................
Çizelge 7.27. IBK uygulaması doğruluk sonuçları .............................................
Çizelge 7.28. Veri kümesi özellikleri..................................................................
Çizelge 7.29. IBK uygulaması istatistik sonuçları ..............................................
Çizelge 7.30. IBK uygulaması doğruluk sonuçları .............................................
Çizelge 7.31. Veri kümesi özellikleri..................................................................
Çizelge 7.32. IBK uygulaması istatistik sonuçları ..............................................
Çizelge 7.33. IBK uygulaması doğruluk sonuçları .............................................
Çizelge 7.34. Veri kümesi özellikleri..................................................................
Çizelge 7.35. IBK uygulaması istatistik sonuçları ..............................................
VII
Sayfa
6
7
7
8
23
26
33
34
35
35
36
36
37
37
37
38
38
38
38
39
39
39
39
39
40
40
40
40
41
41
41
41
41
42
42
42
42
43
43
43
43
43
44
44
44
44
44
Çizelge 7.36. IBK uygulaması doğruluk sonuçları .............................................
Çizelge 7.37. Veri kümesi özellikleri..................................................................
Çizelge 7.38. NBTree uygulaması istatistik sonuçları ........................................
Çizelge 7.39. NBTree uygulaması doğruluk sonuçları .......................................
Çizelge 7.40. Veri kümesi özellikleri..................................................................
Çizelge 7.41. NBTree uygulaması istatistik sonuçları ........................................
Çizelge 7.42. NBTree uygulaması doğruluk sonuçları .......................................
Çizelge 7.43. Veri kümesi özellikleri..................................................................
Çizelge 7.44. NBTree uygulaması istatistik sonuçları ........................................
Çizelge 7.45. NBTree uygulaması doğruluk sonuçları .......................................
Çizelge 7.46. Veri kümesi özellikleri..................................................................
Çizelge 7.47. NBTree uygulaması istatistik sonuçları ........................................
Çizelge 7.48. NBTree uygulaması doğruluk sonuçları .......................................
Çizelge 7.49. Veri kümesi özellikleri..................................................................
Çizelge 7.50. J48 uygulaması istatistik sonuçları ...............................................
Çizelge 7.51. J48 uygulaması doğruluk sonuçları ..............................................
Çizelge 7.52. Veri kümesi özellikleri ...................................................................
Çizelge 7.53. J48 uygulaması istatistik sonuçları ...............................................
Çizelge 7.54. J48 uygulaması doğruluk sonuçları ..............................................
Çizelge 7.55. Veri kümesi özellikleri..................................................................
Çizelge 7.56. J48 uygulaması istatistik sonuçları ...............................................
Çizelge 7.57. J48 uygulaması doğruluk sonuçları ..............................................
Çizelge 7.58. Veri kümesi özellikleri..................................................................
Çizelge 7.59. J48 uygulaması istatistik sonuçları ...............................................
Çizelge 7.60. J48 uygulaması doğruluk sonuçları ..............................................
Çizelge 8.1. Özellik seçim algoritmalarına bağlı başarı sonuçları ......................
Çizelge 8.2. Özellik seçim algoritmalarına bağlı başarı sonuçları ......................
Çizelge 8.3. Özellik seçim algoritmalarına bağlı en başarılı sonuç oranları .......
VIII
45
45
45
45
46
46
46
46
46
47
47
47
47
48
48
48
48
48
49
49
49
49
49
50
50
52
52
53
SİMGELER VE KISALTMALAR
FN
FP
IBK
J48
KNN
NBTree
RBF
ROC
TN
TP
Yanlış tahmin edilen negatif değer (False negative)
Yanlış tahmin edilen pozitif değer (False positive)
En yakın komşu algoritması (Instance based learning algorithm)
Karar ağacı algoritması
K en yakın komşu algoritması (K nearest neighbor)
Naive Bayes Tree
Radyal temelli fonksiyon (Radial basis function)
Alıcı işletim karakteristiği (Receiver operation characteristics)
Doğru tahmin edilen negatif değer (True negative)
Doğru tahmin edilen pozitif değer (True positive)
IX
1. GİRİŞ
Günümüzde Internet üzerinden sipariş yaygınlaşmasıyla birlikte sanal ortamda ticaret
hacmi de giderek büyüme göstermektedir. Web ortamında binlerce ürün e-ticaret
siteleri sayesinde çok kısa sürede sipariş yapılarak kullanıcıya buluşma olanağı da
sağlamıştır.
İnsanlar
kolay
alış
veriş
için
sanal
ortamlara
bu
nedenle
yönelmektedirler.
Sahtecilik, e-ticaret siteleri için farklı bir anlam ifade etmektedir. Çalınmış bir kredi
kartıyla ya da kredi kartı bilgilerinin kopyalanarak yapılan siparişler sahtecilik(fraud)
olarak nitelendirilmektedir. E-ticaret sitelerinin sahtecilik olasılığını tamamen tespit
edebilmeleri mümkün değildir, fakat bunu en minimum seviye düşürmeleri
mümkündür. E-ticaret site sahibi kurumlar bu risk faktörünü en aza indirmek için ve
müşteri memnuniyeti için sahtekârlık yöntemlerine karşı bir kontrol mekanizması
kurmaları gerekmektedirler.
Internet üzerinden alışverişlerde herhangi bir siparişin sahtecilik olduğuna dair
ipuçlarımız varsa sahteciliği yakalamak için de şansımızın olduğuna anlamına
gelmektedir. Bu ipuçlarından başlıcaları, online sipariş üzerinden yapılan bir işleme
işlemin yapıldığı bankadan riskli bir cevap kodu dönmesi, siparişte kullanılan kart
sayısı, kullanıcının online alışerişte ip’sinden belirlenen konumunu üzerinde
yorumlanması, kullanıcının bölgeye göre isim uzunluğu ve kullanım oranı, satın
alınan ürünün fiyat bigisi veya adedi, kullanılan elektronik posta adresleri ve bu
adreslerin uzantıları gibi bir çok kontrollerden geçirilerek, oluşturulan siparişin
sahtekarlık niteliği taşıyıp taşımadığını anlamamız mümkündür.
Belirlenen kurallara bağlı olarak sahtecilik tespit işlemini otomatize edilmesi ve
sahtekârlık niteliği taşıyan siparişlerin denetimli sınıflandırılması makine öğrenmesi
yönetimiyle sağlanmıştır. Makine öğrenmesinde sınıflandırma yöntemi daha önceden
bilinen ve gerçek siparişlerde yer alan sahtecilik olarak işaretli siparişlerinden bilgi
çıkarımı ve kümlenmesi işlemidir.
Bu araştırmada veri madenciliğinde veri öğrenmesine ve tahminine dayalı
sınıflandırma algoritmaları yardımıyla eldeki veriler ışığında sahtecilik olup olmadığı
sınıflandırılmaya çalışılmıştır.
Proje sonucu oluşturulan yöntemle beraber gerçek bir elektronik ticaret sitesinin
1615 siparişinin özellikleri incelenerek doğru sınıfıseçme başarısı %95 olarak
belirlenmiştir. Projelerin hazırlanış ve safhaları aşağıda sunulmuştur. Proje genel
1
hatlarıyla
aşağıda
belirtilmiştir.
Değişkenlerin
seçimi,
eğitim
verilerinin
oluşturulması, algoritmanın uygulanması,deneme kümesinin sınanması ve sonuçların
değerlendirilmesi olarak ele alınmıştır. Tezimizin son bölümünde sonuçlar
değerlendirilmiş ve yorumlanarak gelecek dönemde e-ticaret sitelerinde sahtecilik
tespiti konusunda öneriler sunulmuştur.
2
2. LİTERATÜR ÖZETİ
Veri madenciliği son yıllarda büyük finansal kurumların olmazsa olmaz ihtiyaçları
haline gelmiştir. Veri anlamlandırma birçok sektörde aktif olarak kullanılmakta,
kurum ve şirketlerin her anlamda stratejik kararlar almasında aktif rol almaktadır. Bu
kısımda finansal ve diğer sektörlerde veri madenciliği kullanımı hakkında teknik
çalışmalar belirtilmiştir.
Bir diğer çalışmada, Göral (2007) “Kredi Kartı Başvuru Aşamasında Sahtecilik
Tespiti İçin Bir Veri Madenciliği Modeli” adlı tezinde, bankacılık sektöründe kredi
kartı başvurusu için veri madenciliği modeli kullanarak karar mekanizması
geliştirilmiştir. Geçmişten günümüze banka sayısında artışa bağlı olarak bankaların
kar oranlarını artırmak için riskli gruptaki müşterilere de kredi kartı vermesinde artış
göstermiş ve kredi kartına sahip kullanıcı sayısında ciddi artış gözlenmiştir. Bu
çalışmada bir banka için kredi kartı başvurusunda sahtecilik tespiti kontrolü için veri
madenciliği teknikleri kullanılarak başvuru aşamasında gerçekleşmesi sağlanmıştır.
Bir diğer çalışmada, Tavacı (2012) “Gsm Şebekelerinde Sahtekârlık Yönetimi İçin
Veri Madenciliği Yöntemlerinin Uygulanması” tezinde ele alınan temel konu,
gelişen gsm sektöründe abone saldırılarının, müşterilerin verilerinin analizi ile tespiti
sağlanmıştır. Genel amaç abonelerin fatura ödememe veya sunulan kampanyalardan
yararlanma durumu göz önüne alınarak abone saldırılarının önüne geçmeyi
hedeflemektedir.
Bir diğer çalışmada, Özbay (2007) “Veri Madenciliği ile Dolandırıcılık Tespiti”
çalışmasında günümüzde internet bankacılığı kullanımının yaygınlaşmasıyla beraber
bu alanda güvenlik tehditlerini de yanında getirmiştir. Dolandırıcılık tespitinde
Internet bankacılığı kullanan müşterilerde gruplamalar yapılarak veri madenciliği
teknikleri kullanılarak sahtecilik işlemlerinin sayısı minimuma indirgenmeye
çalışılmıştır.
Bir diğer çalışmada, Aral (2009) “Veri Madenciliği Teknikleri ile Reçete
Usulsüzlüklerinin Tespiti” çalışmasında sağlık harcamaları konusunda reçete
usulsüzlükleri ele almıştır.Çalışmanın amacı, hâlihazırda uzmanlar tarafından rasgele
seçim yoluyla yapılan reçete usulsüzlüğü denetiminin etkin bir otomasyon sistemiyle
sağlanması için özelleştirilmis veri madenciliği teknikleri geliştirililmesidir.
3
Bir diğer çalışmada, Sezen (2011) “Telekomünikasyon Sistemlerinde Sahtekârlık
Tespiti ve Yönetimi” telekominikasyon şirketlerinde zarara yol açan sahtekarlık
amaçlı kullanımların, arama detay kayıtlarından elde edilen veriler kullanılarak
yapay sinir ağları yaklaşımları ile tespit edilmesi gerçekleştirilmiştir.
Bir diğer çalışmada, Uğurlu (2007) “Finansal Tablolardaki Hile Riskinin
Belirlenmesi” tezinde bankaların temel fonksiyonu olan kredi kullandırım konusunu
ele almıştır. kullandırımı olması nedeniyle bankaların karşı karşıya kaldığı risklerin
başında kredi riski gelmektedir. Finansal tablolara dayalı olarak gerçekleştirilen ticari
kredi kullandırımlarında, hileli finansal tablolar üzerinden kullandırılan kredilerin
kısmen veya tamamen geri dönüşümünün sağlanamaması kredi riskine sebebiyet
vermekte ve bankalar açısından önemli bir sorun oluşturmaktadır. Finansal
tablolardaki hile riskinin öngörülmesi ve değerlendirilmesinde yöntem olarak yapay
sinir ağı teknolojisinden yararlanılmıştır.
Bir diğer çalışmada, Aşuk (2010) “Sağlık Sigortası Şirketleri İçin Veri Madenciliği
Tabanlı Suistimal Tespit Sistemi” çalışmasında sağlık sektöründeki suiistimalleri ele
almıştır. Sağlık suistimalleri, kişilerin veya kurumların haksız kazanç sağlamak adına
kasıtlı olarak yaptıkları hile, yanlış beyan ve benzeri sahtekârlıklardır. Sigorta
sistemine müşteri olarak giren insanların sayısının çok artması ile tıbbi suistimallerin
sağlık sigorta sektörüne verdiği zarar gittikçe büyümektedir. Bu çalışmada sağlık
sigorta
şirketleri
için
veri
madenciliği
tabanlı
suistimal
tespit
sistemi
incelenmektedir.
Belirtilen çalışmalara istinaden veri madenciliği bankacılık ve finans, sigortacılık,
haberleşme, sağlık ve eğitim gibi birçok alanda eldeki verilerin anlamlı hale
getirilerek önlem alınması konusunda önemli bir araç olmuştur. Günümüzde
bilgisayarların ve akıllı teknolojik aletlerin günlük hayatımızda önemli yer tutmasıyla
birlikte bankacılık ve e-ticaret konusunda güvenlik diğer sektörlere göre daha önemli
hale gelmiştir. Çalışmamızda e-ticaret sektöründe kredi kartı sahtekârlık tespitine
yönelik, sınıflandırma algoritmaları kullanılarak önlem alınması sağlanmıştır.
4
3. BİLGİNİN OLUŞUM SÜRECİ
Veri, enformasyon ve bilgi taşıdıkları anlam seviyelerine göre sıralandığında
piramitte en üst noktayı bilgi alacaktır. En alt seviyede ise veri yer alacaktır. Burada
konu alan veri en temel nitelikleri ve gerçekleri incelerken enformasyon verilerden
beslenerek ortaya veri ilişkilerinden doğan sonuçlar elde edilir. Bilgi ise en üst seviye
potansiyeli olan ve geleceğe dair çıkarımlar yapmaya yarayan enformasyonlar olarak
adlandırılır (Medeni, 2007). En genel tabirle veri geçmişte olan olaylarla ilgilenirken
enformasyon şimdiki zaman dilimiyle ilgilenir. En üst düzeyde bulunan bilgi ise
gelecekte olabilecek çıkarımları elde etmemizde önemli rol oynar (Şekil 3.1).
Şekil 3.1. Enformasyonun oluşumu (Medeni, 2007)
Veri bilginin oluşmasında ayrık durumda olan nesnelerden ve gerçeklerden gücünü
alır ve inceler. Enformasyon değerlendirilecek olursa elde edilen verilere bağlı olarak
bir yorum yapma ve veriyi anlamlandırma yeteneğidir. Bilgide ise insan beyninde
oluşan ve şekillenen düşünce ve izlenecek yola kadar geniş bir alana yayılır (Medeni,
2007).
5
3.1.
Veri (Data)
Bilgisayar bilimlerinin günümüz teknolojisiyle hızlı geliştiği gibi veritabanı
depolama araçları da yaygınlaşıp tüm organizsyonların kullabileceği kolaylığa
gelmiştir. Organizasyonlar süreçlerini, fonksiyonlarını bir hesaplama niteliği olarak
kullanma ya da bu fonksiyonel gerçeklerinde manipilasyonlar yapabilmek adına
kodlama ve saklaması gelişen veritabanı teknolojisiyle kolay hale gelmiştir. Bu
saklama biçimi ikili değer, harf veya sayısal bir karşılığı ifade edebilir (Çerkez,
2003).
Veri tabanı teknolojisiyle bu saklanmış veriler daha yönetsel bir eyleme olanak da
sağlamıştır. Örnek olarak bir e-ticaret sitesinde bir müşterinin alışverişinde, o
müşteriye ait kullanıcı bilgileri yer alacaktır. Kullanıcının adı, soyadı ya da bir
kullanıcı id’si olabilir. Aynı zamanda bu kullanıcının site üzerinden almış olduğu
ürünün bilgileri de yer almalıdır. Ürünün ismi, ürünün kodu, ürünün fiyatı ve bu
kullanıcının bu ürünü hangi tarihte aldığı gibi süreçleri bir işlemi ifade etmektedir.
Aşağıda da bu sürece ait verilerini veritabanında örnek gösterimi yer almaktadır
(Çizelge 3.1).
Çizelge 3.1. Kullanıcının bir hareketinin veri örneği
Kategori id
Eldiven
3.2.
Kullanıcı No Tarih
5
12.5.2010
Fiyat
15
Enformasyon
Veriler kendi başlarına bir anlam ifade etmezler. Bunları anlamlandıracak durum bu
verilerin işlenmesidir. Veri örneğinden devam edilecek olursa site üzerindeki sipariş
verileri çoğaldıkça bu verilerin saklanması, toplam sipariş sayılarının alınması,
dönem tabanlı sipariş raporlarının oluşturulması, aylık kaç liralık ürünün satıldığı
gibi toplu şekilde verilerin kullanılması gerektiren işlemler enformasyonu
oluşturacaktır. Aşağıdaki örnekle ayrı süreçlerde işlenen verilerin bir araya getirdiği
enformasyon yer almaktadır (Çizelge 3.2).
6
Çizelge 3.2. Verilerin bir araya getirdiği enformasyon
Kategori
Eldiven
Ayakkabı
Fener
Gözlük
Fiyat
15
50
10
70
Kullanıcı No
5
4
34
77
Tarih
12.5.2010
14.6.2010
11.4.2010
10.7.2010
Enformasyonu daha etkili kullanmak gerekirse, elde edilen veriden yeni kısıtlamalar
veya birleştirme ölçütleriyle daha anlamlı veriler elde etmek mümkün olacaktır
(Kılıç, 2010). Örnek üzerinden devam edildiğinde, kategorilerin dönem bazında satış
adetleri veya toplam değerleri elde edilen enformasyonun değerini daha da
artıracaktır (Çizelge 3.3). Yeni elde edilen enformasyon durumunu özetlemek
gerekirse:
Çizelge 3.3. Yeni oluşturulan enformasyon
Kategori 3.Ay
Eldiven
36
Ayakkabı
120
Fener
60
Gözlük
50
4.Ay
46
80
30
60
5.Ay
37
100
20
75
Miktar Fiyat
15
119
50
300
10
110
70
185
Toplam Tutar
1785
15000
1100
12950
Tabloya enformasyonundan elde edilen sonuca göre eldiven ve ayakkabı satışları
dönemden etkilenmeyip fener ve gözlük satışları dönemlere göre artma ve azalması
gözlemlenebilmiştir.
3.3.
Bilgi
Elde edilen verilere göre göre bilgi, enformasyon ve veriden daha geniş kapsamlı
olarak durumlara bakmayı sağlamaktadır. Bilgi bize gelecek hakkında öngörü
sunmayı ve tahmine olanak sağlayacak bir kavrama karşılık gelmektedir.
Elde edilen enformasyonun yorumlanması için veri madenciliği teknikleri
kullanılarak anlamlı bir bilgi ortaya çıkması mümkündür.
7
Tablodaki verileri veri madenciliği teknikleri sonucu elde edilen bir pazarlama
stratejisi olarak düşünüldüğünde, eldiven alan kişilerden yüzde ellisinin da ayakkabı
aldığını öğrenmek kolay düşünülemeyecek bir bilgiyi ifade etmektedir (Çizelge 3.4).
Bu anlamda bakıldığı zaman bilgi kavramı veri ve enformasyondan faklı olarak
anlamlı bir çıkarım sunabilmektedir.
Bilginin oluşma aşaması ve teknolojik karşılığı tabloda belirtilmiştir.
Çizelge 3.4. Bilginin oluşma aşaması
Anlam aşaması
Veri
Enformasyon
Bilgi
Teknoloji
Veri tabanı sistemleri
Sorgulama ve raporlama araçları
Veri madenciliği teknikleri
8
4. VERİ MADENCİLİĞİ
Veri depolama gereksinimiyle beraber veritabanı teknolojisi de gün geçtikçe daha
ileri boyutlara gelmiştir. Bilgi depolama teknolojisinin gelişmesiyle birlikte bu
depolanan bilgilerden nasıl yararlanılması gerektiği asıl problem olarak ortaya
çıkmıştır. Bu sorunlara çözüm olarak klasik raporlama ve sorgulama teknikleriyle
bilgiler yararlı bilgiye dönüştürülebilmiştir. Fakat gelecek için çıkarımlar veya
bilgideki örüntüleri anlamak için klasik yöntemler yetersiz kalmıştır. Bu durumda
depolanmış veriden bilgi keşfi diye nitelendirebileceğimiz “Veri Madenciliği” ortaya
çıkmıştır.
Veri Madenciliğinde, veriden anlamlı bilgiler elde etmek için kullanılan verinin bir
takım safhalardan geçirilerek, çeşitli veri işleme algoritmalarıyla anlamlı ve yararlı
bilgiye ulaşmak mümkün hale gelmiştir (Şekil 4.1).
Şekil 4.1. Yararlı bilgiye ulaşma safhaları (Göral,2007)
9
Veri Madenciliğinde anlamlı bilgiye ulaşmak için veri işleme safhaları özetle
aşağıdaki gibidir (Türkoğlu, 2009):

Veri Temizleme: Veri tabanında gereksiz kayıtların temizlenmesi işlemidir.
Bu süreç için örnek olarak test amaçlı oluşturulan veriler veya veri kümesi
için gereksiz null kayıtlı işlemlerinveri kümesinden temizlenme aşamasıdır.

Veri Bütünleştirme: Bu safhada bütünsel bir veri kümesi oluşturabilmek adına
farklı tabloların birleştirmesi işlemidir.

Veri seçme: Bu safhada ise analiz edilecek gerçek verilerin veritabanından
çekilmesi işlemidir.

Veri Dönüştürme: Veri analizi için veritabanında bulunan alanların veri
madenciliğinde kullanılacak veri tiplerine dönüştürülme aşamasını ifade eder.
Veri madenciliği organizasyonların pazarda rekabetçi bir rol üstlenmesinde önemli
bir görev üstlenmektedir. Büyük verinin işlenmesi ve bilgi içerisindeki örüntünün
keşfi bu sayede ortaya çıkmıştır.
4.1. Veri Madenciliği Yararlı Bilgiye Ulaşma Süreçleri
Veri madenciliğinde standardizayon sağlamak amacıyla belirli süreçler kabul
görmüştür. Farklı kullanım alanlarına kolay uyum sağlaması, daha kolay
gerçekleştirilebilmesi edilebilmesi, daha güvenli bir çözüm sunması adına
belirlenmiş süreçler bütününden oluşur. Bu standardizyon için proje olarak
CRISPDM (Cross Industry Standart Process For Data Mining) modeli ortaya
atılmıştır (Ahi, 2015).
10
Şekil 4.2’de belirtildiği gibi veri madenciliği süreci yedi aşamadan oluşmaktadır. Bu
gerçek bilgiye ulaşmaküzere için bir yaşam döngüsüdür.
Şekil 4.2. Veri madenciliği süreci (Göker, 2012)
Fayyad’a göre veri madenciliği modeli ise Şekil 4.3’te safhalara göre belirlenmiştir.
Şekil 4.3. Fayyad’a göre veri madenciliği modeli (Fayyad, 1996)
11
Han’a göre veri madenciliği süreci ise Şekil 4.4’teki safhalardan oluşmaktadır.
Şekil 4.4. Han’a göre veri madenciliği modeli (Han, 2001)
Bütün standartlaşma süreçlerini incelediğimizde hepsinin benzer süreçlerden
geçtiğini görebilmektedir. Genel anlamda süreçleri ifade edilecek olursa;

Problemin tanımı

Gerçek bilgi için verinin işlenme aşaması

Verinin temizlenmesi

Verinin dönüştürülmesi

Verinin bütünleştirilmesi

Değişken seçimi

Model Oluşturma ve Değerlendirme

Biginin sunum aşaması
12
4.1.1. Problemin tanımı
Problemin belirlenme aşamasında yapılan projenin hangi alanda kullanılacağı
belirlenmelidir. Hedefler ve veri işleme sonucu ortaya çıkan örüntünün ne şekilde
kullanılacağı ve değerlendirileceği net bir şekilde belirlenmelidir.
Bu aşamada veri madenciliği projenin ne için yapıldığı, projenin ihtiyaçları,
analizleri ve stratejiler için bir yol haritası oluşturulur.
4.1.2. Verinin temizlenmesi
Veri kümesi oluşturma kısmında önemli adımlardan bir tanesidir. Bu aşamada veri
kümesindengürültülü verilerden arındırılması aşamasıdır. Gürültülü bir veri kümesi
başarılı bir sonuca ulaşmamızı engelleyecektir.
Bunun için aşağıdaki yöntemler uygulanabilir:

Veri kümesinde eksik bir değere ait olan alanlar silinebilir.

İşlem kümesinde null kayıtlar için belli bir değer verilebilir ya da veriden
silinebilir.

İşlem kümesiiçin eksik değerler ortalama bir değerle düzeltilebilir. Buna
karar vermek için karar ağacı ya da regresyon kullanılabilir.

Mükerrer kayıt içeren kayıtlar temizlenmelidir.
4.1.3. Verinin bütünleştirilmesi
Veri birleştirme işlemi farklı şemalarda bulanan verilerin birleştirilmesi olayını
kapsar. Örneğin bir tabloda “sipariş-no” olarak kaydedilen bir alan farklı bir
şemadaki tabloda “siparis-Id” olarak karşılaşılabilir. Bu tip tablo birleştirmelerinde
meta anahtarlardan faydalanılarak birleştirme işlemi yapılır.
Farklı bir durum olarak da verinin bir kısmı tablolarda tutuluyorken bir kısmı da
dosya ortamında tutuluyor olabilir. Farklı kaynaklardaki verileri kullanarak bir
sonuca ulaşmaya çalışmak hem maliyet hem de zaman kaybına yol açmaktadır.
13
4.1.4. Verinin dönüştürülmesi
Verileri daha net belirleyebilmek adına,verilerin kategorilendirilmesi olarak
tanımlanabilir. Bu aşamada verinin min-max değerleri göz önüne alınarak bu aralığın
fazla olması diğer değerlerin başarısını etkileyebilir. Değişkenin diğer değişkenlere
etkisinin azaltılabilmesi için aralığı geniş olan veriler normalize edilir. Böylece
sonucun daha başarılı olması gözlemlenebilir.
Veri değiştirme işlemleri Z-Score kartları veya Min-Max Normalleştirme gibi
algoritmalarla yapılır.
Z Score,değişken verilerinde oransal dağılım gösterdiği durumlarda en çok kullanılan
algoritmalardan bir tanesidir.
(4.1)
Formule göre veriler Z Score’larına dönüştürülür.
Xise belirli değişkendeki değerlerin aritmetik ortalamasını ifade eder.
S değeri verideki standart sapmadır.
Min-Max algoritmasında ise verideki en büyük değer Xmax olarak ifade edilir ve
verinin en küçük değeri de Xmin’dir. Xmax-Xmin değeri ise veri genişliğini(R) ifade
eder.
R = Xmax-Xmin
(4.2)
(4.3)
4.1.5. Değişken seçimi
Veri madenciliğinde en önemli kararlardan biri de değişken seçimidir. Analiz ve
zaman maliyeti göz önüne alındığında en uygun değişken seçimi yapılmalıdır. Analiz
ve modelleme sürecinde karmaşıklığı azaltmak için veri kümesi üzerinde değişken
arası uyum göz önüne alınır.Veri kümesindeki uyumsuz değişkenler başarı oranını da
14
olumsuz etkileyecektir, bu yüzden değişken seçiminde birbirleri arasında bir
korelasyonun olması sonucun başarısını etkileyecektir.
Değişken seçimi algortimada boyutu indirgeyebilmek için uygulanır. Değişken
sayısının en az değeri sınıf sayısı kadar olmalıdır. Değişken ayırt edici ise
seçilmelidir.Veri madenciliği uygulamalarında yaygın kullanıma sahip olan Weka
uygulamasında
değişken
seçiminde
CfsSubSetEval,
GainRatioAttributeEval
algoritmaları kullanılabilir.
4.1.6. Model oluşturma ve değerlendirme
Son durumda işlem görmüş ve modelleme safhasına gelmiş veri kümesi en iyi sonuç
veren algoritma kullanılarak uygulamaya geçilir. Algoritma seçiminde veri kümesi
üzerinde uygulanan çeşitli algoritmalar içerisinde en iyi sonuç vereni temel alınır.
Algoritma sonucu oluşan örüntüye bağlı olarak yorumlamalar yapılır.
Modelleme aşaması denetimli ve denetimsiz öğrenme öğrenme modeline göre
farklılık gösterir.
Denetimli öğrenmede sınıf bilgisi önceden bellidir. Verilerin algoritma sonucu olarak
hangi sınıfa ait olduğu tahminde bulunur.
Denetimsiz öğrenme sınıf bilgisi bilinmeyen veri kümeleri için kullanılır.Veriler
arasında kümeleme yapılmaya çalışılır. Veriler arasındaki uyum ve bağımlılık
incelenir.
Sınıflandırma algoritmaları denetimli, kümeleme algoritmaları ise denetimsiz
algoritmalara örnektir.
Denetimli öğrenmede veri kümesi için en uygun sınıflandırma algoritması seçildikten
sonra veriler eğitim ve sınama verisi olarak ikiye ayrılır. Eğitim verisinde model
eğitilir ve test verisiyle sınıflandırmalar tahmin edilmeye çalışılır.Tahmin edilen
sınıflandırmaların başarı oranı belli yöntemlerle belirlenir. Bu yöntmeler aşağıdaki
gibidir:
Yalın Doğrulama (Simple Validation): Sonuç değerlendirmede oluşturulan en basit
yöntemlerden bir tanesidir. Geçerlilik yönetiminde verilerin %5-33 arasında bir test
kısmı oluşturulur. Verinin geri kalan kısmıyla modelin öğrenmesi sağlanır. Bu
15
yöntemde başarı oranı yanlış sınıflandırılmış veri sayısının tüm veriye oranı hata
oranı verir. Doğru sınıflandırılmış veri sayısının tüm veriye oranı ise doğruluk
oranını verir.
Doğruluk Oranı + Hata Oranı = 1
Çapraz Doğrulama (Cross Validation): Veri kümesinin sınırlı olduğu durumlarda
kullanılır. Veri kümesi rastgele bir oranla ikiye bölünür. Bölünen veri kümesinin ilk
bölümü model ve ikinci bölümü sınamakümesi olarak sınanır ve bir hata oranı elde
edilir. Sonrasında tam tersi işlem uygulanarak ilk bölüm test ve ikinci bölümü model
olarak belirlenip yeni hata oranı bulur. Çıkan hata oranlarının ortalaması başarı
oranını belirler(Wikipedia, 2016a).
K-Kat Çapraz Doğrulama (K-Fold Cross Validation): Bu algoritmada veriler n
parçaya bölünür. N parçadan bir tanesi test için diğer parçaları öğrenim olarak
değerlendirilir ve bir hata oranı elde edilir. Bu durum her bir parça için ayrı ayrı
sınamakümesi olacak şekilde sınandıktan sonra elde edilen hata oranlarının
ortalaması başarı oranını belirler.
Ön Yükleme (BootStrapping): Genelde veri kümesinin az olduğu durumlarda
yararlanılan bir yöntemdir. Bu algoritmanın temel mantığı her defasında bir veri
dışarıda bırakılarak bir hata oranı ölçülür ve her bir işlem için belirlenen hata
oranının ortalamasıyla bir başarı oranını belirler.
Uzatma (Holdout): Veri dağılımında bir denge var ise verideki sınıf değerleri eğitim
ve test verisinde eşit dağılım gösteriyor ise basit bir geçerlilik yöntemi uygulanabilir.
Ama holdout yönteminde belli bir kısım test için kullanılır kalan kısım eğitimde
kullanılır. Ortaya çıkan hata oranından başarı oranı elde edilir.
Seçilen algoritmanın ve kurulan modelin başarı ölçümünde karışıklık matrisi
kullanılır. Örneğin iki sınıf için kullanılan bir karışıklık matrisi Şekil 4.5.’teki gibi
değerlendirilebilir (Göker 2012).
16
Şekil 4.5. Karışıklık matrisi (Göker 2012)
Sonuç olarak elde edilen:
TP (True Positive)ve FP (False Positive) doğru tahmin edilen değerler,
FN (False Negative) ve TN (True Negative) yanlış tahmin edilen değerleri ifade eder.
Seçilen
algoritmaların
performansının
değerlendirilmesinde
başarı
ölçütlerindekesinlik oranı, duyarlılık ve f oranları başarı oranı tespitinde kullanılır.
Doğruluk =
Duyarlılık =
Kesinlik =
F Ölçütü =
TP+TN
(4.4)
TP+TN+FN+FP
TP
(4.5)
TP+FP
TP
(4.6)
TP+FN
2 ∗ duyarlılık ∗ kesinlik
(4.7)
duyarlılık+kesinlik
Başarı ölçtünde ROC eğrisi de True Positive ve False Positive değerlerinin
kullanılarak hazırlandığı bir grafiktir. ROC değerinin 1’e yakınsaması model
başarısının yüksek olduğunu 0’a yakınsaması modelin başarısız sonuçlandığını
belirtir.
4.2.
Veri Madenciliği Modelleri
Temel olarak veri madenciliğinde modellemeyi üç grupta toplayabiliriz. Veri
madenciliğinde kullanılan uygulama modellleri Şekil 4.6’daki gibi gruplamak
mümkündür.Sınıflandırma, kümeleme, birliktelik kuralı bu modeller arasında sıklıkla
kullanıllan algoritmalar belirtilmiştir.
17
Şekil 4.6. Veri madenciliği modelleri
4.2.1. Sınıflandırma modeli
Sınıflandırma modeli veri madenciliğinde sıkça kullanılan bir tekniktir. Verilerin
belli bir kategoride sınıflandırılabilmesi öncelikle veritabanında bulunan veriler
analiz edilerek gelecek verilerin hangi kategoriye ait olacağı tespitidir.
Veri kümesinde bulunan bilgilerin hangi kategoriye ait olduğu belirlenir ve yeni
verilerin hangi kategoriye ait olduğu sınıflandırılır. Bu süreçte eldeki veriler
sınıflandırma algoritmalarıyla eğitime tabi tutulur. Sınıflandırma modelinde her
sınıflandırma algoritması aynı oranda başarılı sonuç vermeyecektir. Veri kümesine
göre seçilen algoritma başarı sonucu değişkenlik gösterir. Yeni gelen veriler sınama
kümesi olarak değerlendirilip hangi kategoriye ait olduğu tespit edilir.
Sınıflandırma modelinde her algoritma seçimi farklı sonuçlar elde edilebilir,
sınıflandırmada en başarılı sonuca ulaştıran algoritma seçimi yapılır. En sık
kullanılan sınıflandırma algoritmaları aşağıdaki gibidir.
18

Karar ağaçaları

Bayes algoritmaları

En yakın komşu algoritması

Yapay Sinir Ağları

Genetik Algoritmalar

Karar Destek Makinaları
4.2.1.1.
Karar ağaçları
Sınıflandırma kullanılan modelleme algoritmalarından karar ağacı yöntemi sıklıkla
kullanılmaktadır. Karar ağaçlarının sık kullanılmasında en büyük etkenler;

Maliyetinin düşük olması

Yorumlanma kolaylığı ve veritabanına kolaylıkla entegre edilebilmesi

Güvenilirliğinin iyi olması
Karar ağacı oluşturmak için eğitim kümesinde örnekleri en iyi ifade eden değişken
bulunur. Seçilen dalın üstündeki örneklerden yeni bir değişken bulunur böylece yeni
dallar oluşur. Örnekleri ayrıt edecek başka bir ayırtaç kalmamışsa dallanma bitmiş
olur.
Ayırt edici olacak ağac kökü gibi hesaplamasıyla elde edilir. Değişkenlerden hangi
nitelik en fazla dala sahipse kök olarak o nitelik seçilir. Entropi bilgi kazancı ölçümü
için kullanılır. Entropi ileride beklenilmeyen bir olayın meydana gelme olasılığını
bulur. Örneğin hastalık sınıflandırması tespitinde karar ağacı tespiti Şekil 4.7’deki
gibi belirlenebilir (Akçetin, 2014).
19
Şekil 4.7. Karar ağacı tespiti (Taşkın, 2005)
İncelenen bir veri kümesinde bilgikazancı hesabı yapıldığında S’nin veri kümesi
içerisinde Ci sınıfına bağlı olarak Si tane kaydı varsa sınıflandırmada aşağıdaki
denklem kullanılır.
(4.8.)
Değişken olarak kabul edilen A’nın değerleri (an) entropisinni tespiti için aşağdaki
denklem kullanılır.
(4.9.)
Karar ağaçları için sıklıklar kullanılan algoritmalar ID3, CART ve CHAID önemli
örneklerdir.
20
4.2.1.2.
Naive bayes algoritması
Sınıflandırma
algoritmalarından
Bayes
Sınıflandırıcısı
Şekil
4.9’daki
gibi
açıklanabilir. Navie Bayes modeli, Bayes modeline karar teorisine bağlı bir
sınıflandırma yöntemidir. Niteliklerin birbirlerinden bağımsız ve eşit etki düzeyinde
değerlendirilir. Bu yüzden anlaşılması kolay bir sınıflandırma algoritmadır.
Normal yaşamda nitelikler birbirleriyle bağlantılı olduğundan Navie Bayes eksik
yanlarından biri olarak değerlendirilebilir.
X(x1,x2,x3…xn) oluşan bir veri örneği olsun. X’i sınıfı belli olmayan bir bir veri
kümesi olarak kabul edebiliriz. Bu veri kümesinde n tane sınıfın var olduğunu kabul
edelim. Bu şekilde C1, C2, C3, Cn şeklinde n tane sınıf olduğunu varsayalım.
Veri kümesinde bir işlemin sınıf değerini belirlemek için el alınan örnek:
(4.10.)
Örneğin olasılık değerleri hesaplanır. Xi proseslerinin ayrı ayrı olasılık değerlerinden
aşağıdaki bağıntı kurulabilir. Böylelikle hesaplamada kolaylık sağlancaktır.
(4.11.)
X’i sınıflandırmak adına P(Ci|X) için çıkan değerlerde paydalar eşit olduğunda
sadece pay kısımıları karşılaştırılarak büyük olan değere göre sınıf seçimi yapılır.
(4.12.)
Yukarıdaki çıkarımlara göre sonrasal olasılıklar incelenerek max olasılığa sahip sınıf
seçildiğinden aşağıdaki durumla sonuca ulaşılabilir.
21
(4.13.)
Navie Bayes uygulaması tez uygulamamızda yer aldığından örneklendirmek
gerekirse;
Eğitim veri kümesi aşağaki gibi olan bir model ele alındığında Şekil 4.8’deki gibi bir
sonuç tablosu elde edilir.
KABUL
EVET
HAYIR
Nitelikleri Değeri
Sayısı Olasılık Sayısı Olasılık
İLK
1
1/5
2
2/3
ORTA
3
3/5
0
0
EĞİTİM
YÜKSEK
1
1/5
1
1/3
GENÇ
0
0
2
2/3
ORTA
3
3/5
1
1/3
YAŞ
YAŞLI
2
2/5
0
0
ERKEK
3
3/5
1
1/3
CİNSİYET KADIN
2
2/5
2
2/3
Şekil 4.8. Bayes eğitim kümesi (Akçetin 2014)
Rastgele seçilen bir örneğin Navie Bayes Sınıflandırıcısı ile sınıfını belirlenirse:
X1: Eğitim = Yüksek
X2: Yaş = Orta
X3: Cinsiyet = Kadın
C Kabul = ?
Navie Bayes olasılıkları formülüzasyonu için verikümesifrekanslarına göre tekrar
düzenlenirse Şekil 4.9’daki sonuç tablosu elde edilir.
22
KABUL
EVET
HAYIR
Nitelikleri Değeri
Sayısı Olasılık Sayısı Olasılık
İLK
1
1/5
2
2/3
ORTA
3
3/5
0
0
EĞİTİM
YÜKSEK
1
1/5
1
1/3
GENÇ
0
0
2
2/3
ORTA
3
3/5
1
1/3
YAŞ
YAŞLI
2
2/5
0
0
ERKEK
3
3/5
1
1/3
CİNSİYET KADIN
2
2/5
2
2/3
Şekil 4.9. Frekansa göre düzenlenmiş eğitim kümesi (Akçetin 2014)
Sınıf değerleri bulunmasında olasılık değerleri hesaplanmaya devam edilirse:
C1: Kabul = Evet ve C2 = Kabul = Hayır olarak iki sınıf değeri verikümesinden
anlaşılmaktadır.
P(X|C1)P(C1), P(X|C1)P(C1) olasılıkları hesaplanıp max değere sahip olan ifade
örneğin bize sınıfını gösterecektir.
P(X|C1)P(C1)değerinin hesaplanması:
P(X1|C1) = P(Eğitim = Yüksek | Kabul = Evet) = 1/5
P(X2|C1) = P(Yaş = Orta | Kabul = Evet) = 3/5
P(X3|C1) = P(Cinsiyet= Kadın| Kabul = Evet) = 2/5
Bu durumda;
P(X|C1) = P(X|Kabul = Evet) = (1/5) (3/5) (2/5) = 6/125 olarak bulunur.
P(C1) = P(Kabul = Evet) = 5/8
Formulde son durum yerine koyulursa:
P(X|C1) P(C1) = P(X|Kabul = Evet) P(Kabul = Evet) = (6/125) (5/8) = 0,03 olarak
olasılık değeri bulunur.
P(X|C2)P(C2)değerinin hesaplanması:
P(X1|C2) = P(Eğitim = Yüksek | Kabul = Hayır) = 1/3
P(X2|C2) = P(Yaş = Orta | Kabul = Hayır) = 1/3
P(X3|C2) = P(Cinsiyet= Kadın| Kabul = Hayır) = 2/3
23
Bu durumda;
P(X|C2) = P(X|Kabul = Hayır) = (1/3) (1/3) (2/3) = 2/27 olarak bulunur.
P(C2) = P(Kabul = Hayır) = 3/8
Formulde son durum yerine koyulursa:
P(X|C2) P(C2) = P(X|Kabul = Hayır) P(Kabul = Hayır) = (2/27) (3/8) = 0,027 olarak
olasılık deperi bulunur.
P(X|C1)P(C1) ve P(X|C2)P(C2) değerlerine göre sonuç:
argmax ci {P(X|Ci)P(Ci) } = max { 0,03, 0,027 } = 0,03
En büyük olasılık değeri 0,03 ün ve sınıfı “Evet” olduğunda rastgele seçilen:
X1: Eğitim = Yüksek
X2: Yaş = Orta
X3: Cinsiyet = Kadın
C Kabul = Evet
Sınıfı “Evet” olarak sınıfı belirlenmiş olur.
K en yakın komşu algoritması
4.2.1.3.
Denetimli sınıflandırma algoritmalarından K en yakın komşu algoritmasında
sınıflandırma işleminde kaç adet k değerine bakılarak sınıflandırma yapılacağına
karar verilir. Yeni gelen değerin sınıflandrılımasında k değerine bakılarak o değere
en yakın k tane değer karşılaştırılır ve en çok sınıfı olan değer değerin sınıfı olmuş
olur (Özalp, 2013).
K en yakın nokta hesaplanırken çeşitli uzaklık hesaplama fonksiyonlarından
yararlanılır. Aşağıdaki uzaklık hesaplama fonksiyonları başlıcalarıdır.

Manhatten Hesaplaması

Minkowski Hesaplaması

Öklid Hesaplaması
Ağırlık belirleme yöntemi ile W = 1/(d*d) ile her bir uzaklığın ağırlığı bulunur ve
seçilen k değerine göre sınıf karşılaştırması yapılır (Şekil 4.10).
24
Şekil 4.10. KNN model grafiği (Wikipedia, 2016b)
Örneklemek gerekirse, 10 tane örnek içeren bir veri kümesi Çizelge 4.1’deki gibidir.
Çizelge 4.1. KNN örnek veri kümesi
x1
x2
y
2
4
kötü
3
6
iyi
3
4
iyi
4
10
kötü
5
8
kötü
6
3
iyi
7
9
iyi
9
7
kötü
11
7
kötü
10
2
kötü
Sınıflandırılmak istenen değer: X1 = 9 ve X2 = 4 olarak incelersek, k en yakın
algoritmasıyla k yı 4 olarak sınıflandırmaya çalışırsak öncelikle değerlerin öklid
uzaklık değerleri Çizelge 4.2’deki gibi olacaktır.
Değerlerin hesaplanmış değerleriyle veri kümesi tekrar düzenlenirse:
25
Çizelge 4.2. Uzaklık değerleri hesaplanmış veri kümesi
X1
X2
Uzaklık
y
2
4
6.00
kötü
3
6
5.39
iyi
3
4
5.00
iyi
4
10
7.21
kötü
5
8
5.00
kötü
6
3
2.24
iyi
7
9
5.10
iyi
9
7
3.16
kötü
11
7
4.24
kötü
10
2
2.83
kötü
Veri kümesinde en yakın k=4 uzaklık değeri sınıfları kontrol edilirse: sınıf değerleri
bir adet “iyi” ve üç tane ”kötü” sınıflandırma değeri olduğunda fazla olan
sınıflandırma değeri “kötü” olarak örneğin sınıfı belirlenmiş olur.
4.2.1.4.
Yapay sinir ağları
Yapay sinir ağlarıyla sınıflandırma yönetiminde insan beyni model alınarak
oluşturulan bir tahminleme ve sınıflandırma algoritmasıdır. İnsan beyninde de Şekil
4.11’de olduğu gibi sinir hücreleri nöronlar yardımıyla belirli sinayalleri alır bir
yorumlayıcı toplayıcı işlemden geçirilerek bir sonuç elde edilir (Cayiroğlu, 2016).
Yapay sinir hücresi beş bölümden oluşur:
Girdiler: İletilmek üzere gelen veriler olarak nitelendirilebilir.
Ağırlıklar: Girdiler üzerinden gelen değerlerin ağırlıkarı çıktılar üzerinde etkiyi
belirler.
Birleştirme:Hücreye gelen verilerin ağırlıklarıyla çarğılarak oluşan toplam veriyi
ifade eder.
Aktivasyon: Hücreye gelen net bilgi toplamını işleyerek bir çıktı işlemi belirlenir.
26
Şekil 4.11. Yapay sinir ağları (Cayiroğlu, 2016)
Sinir hücrelerinin birbirine bağlanmasıyla oluşan yapay sinir ağları üç katmandan
oluşur (Şekil 4.12).
Şekil 4.12 Yapay sinir ağları katmanları (Cayiroğlu, 2016)
Giriş katmanı: Herhangi bir işleme tabi tutulmadan orta katmana iletilen sinir
hücrelerinden gelen bilgiler bu katmanda yer alırlar.
Ara katman: Ara katmanda bağlantı sayısı giriş ve çıkış katmanındaki veri sayısından
bağımsızdır. Bu katmanda artan veri fazlalığı uygulama performansını, çıktı süresini
azaltacaktır. Giriş katmanından çıkan veriler direkt bu katmana iletilir. Ara
katmanının sayısı değişkenlik gösterebilir.
Çıkış katmanı: Ara katmandan işlenerek gelen verilerin sunulduğu katmandır. Bu
katmanda yeni ağlarda kullanılmak üzere ağırlık değerleri hesaplanır.
27
4.2.1.5.
Genetik algoritmalar
Genetik algoritmalar veri madenciliğinde doğal seleksiyon yönetmini temel alarak
kullanılan bir yöntemdir. Bu algoritmayla başlangıçta yer alan bir nesil, mutasyon ve
çaprazlama yöntemlerinden geçirilerek doğal seçilim sağlanır (Kılıçaraslan, 2013).
Genetik algoritmalar genel prensipleriyle Şekil 4.13.’te gösterilmiştir. Probleme göre
rastgele seçilen n kromozoma sahip bir populasyon ele alınır ve başlangıç
fonksyionuna
sokulur.
Sonrasında
seçilen
her
bir
kromozom
uygunluk
fonksiyonundan geçirilerek yeni populasyon elde edilir.
Seleksiyon: Rastgele seçilen iki kromozom karşılaştırılarak baskın karakterler göz
önünde tutularak yeni bir seçim yapılır.
Çaprazlama: Yeni bireyler oluşturmak amacıyla iki kromozom genleri çaprazlanır.
Böylece ebeveynlerden farklı bireyler oluşur.
Mutasyon:Genlerde belli oranlarda manipulasyon yapılır. Böylece daha farklı
kromozomlar elde edilir.
Algoritmaya göre yeni populasyona ulaştıktan sonra, yeni populasyon ile yer
değiştirilir.
Şekil 4.13. Genetik algorimaları (Bolat 2004)
Genetik algoritmalarda kromozom sayısı artışı algoritmanın hızını azaltır ve
maliyetinin azaltır. Tersi durumda ise kromozom çeşitliliğinde azalmaya yol açar.
Kromozomların çeşitliliğinin azaldığı durumlarda mutasyona başvurmak yararlı
olacaktır.
28
Genetik algoritmalarda güçlü bir algoritma omasında arama uzayının geniş
olmasında etkisi büyüktür. Çok yönlü ve amaçlı problemlerin çözümünde bir tercih
sebebidir ve kısa sürede başarılı sonuçlar verirler.
Son kullanıcının oluşturulan genetik algoritma modelini anlmasının zor olması
dezavantajlarındandır. Uygunluk fonksiyonu belirlemek, mutasyon ve çaprazlama
fonskyionlarını belirlemekmaliyetlidir (Bolat 2004).
29
5. SAHTECİLİK TANIMI VE SAHTECİLİĞİ ÖNLEME
YÖNTEMLERİ
Fraud kelime anlamı itibariyle sahtecilik anlamına gelmektedir. Elektronik ticaret
sitelerinde ise sahtecilik yöntemi kredi kartları ile oluşmaktadır. Çalıntı kredi
kartlarıyla ya da kredi kartı bilgilerinin kopyalanmasıyla Internet üzerinden alış veriş
sitelerinde sahtecilik riski oluşturmaktadır. Bu dolandırıcılık işlemleri sonucu ile kart
sahibi, iş yeri ve banka ciddi zararlar görebilmektedir.
5.1.
Sanal ve Gerçek Ortamda Sahtecilik
Gerçek fiziki ortamlarda gerçekleştirilen sahtecilik olaylarında banka kartının banka
kartı şeridinde yer alan bilginin kopyalanması veya kart çip bilgilerinin
kopyalanması ile mümkün olmaktadır. Yapılan sahtecilik işlemleri genellikle
temassız işlemlerde veya manyettik şeritle yapılan işlemlerde sıkça rastlanmaktadır.
Fiziksel ortamlarda gerçekleştirilen sahtecilik uygulamalarına genellikle ATM’ler,
mağazalar, kuyumcular veya telefon bayileri gibi hassas noktalar hedef alınmaktadır.
Bu şekilde yapılan sahtecilik içeren işlemlerden korunabilmek için kart çipi
okutularak ve şifre girişi yapılarak yapılan ödeme işlemlerinde sahtecilik riski en aza
indirmek mümkündür.
Sanal ortamlarda sahtecilik için en sık hedef olan ortamlar Internet üzerindensatış
siteleri içerisinde uçak veya otobus bilet satışı için kullanılan siteler, online
uygulama indirme siteleri (iTunes, Google Play), online telefon fatura ödeme işlemi
yapan siteler ve online alışveriş yapılan her türlü ödeme sistemi içinsahtecilik
mevcuttur.
Herhangi bir işyeri için sahtecilik puanı aşağıdaki şekilde hesaplanır:
Toplam (sahtecilik tutarı / toplam ciro) * 10000
Bu orana base point denir. Örnek olarak bir şirketin aylık sahte sipariş tutarı 100 tl
ve cirosu 100000 tl olarak ele alınırsa, sahtecilikpuanı:
(100/100000)*10000 = 0,001 olarak bulunur.
30
Bir işyeri için maksimum sahtecilik puan standardı ise 0,004’tür, bu oran avrupa
bölgesinde ortalama 0,008 ve Türkiye’de ise ortalama sahtecilik puanı 0,002 dir.
2012 yılı verileri incelendiğinde Kanada’da elektronik alış veriş sitelerinde sahtecilik
işlemleri nedeniyle üç buçuk milyar dolar zarar meydana gelmiştir ve bu işyerleri
için sahtecilik kontrolünün ne denli önemli olduğunu göstermektedir (Webrazzi,
2013).
Sanal Ticarette Sahtecilik Önleme Yöntemleri
5.2.
Sahtecilik kontrolleriyle biralış veriş sitesinde sahtecilik işlemlerini azaltmak
mümkündür. Bu kontroller site üzerinden verilen bir siparişin karakteristik özellikleri
incelenerek verilen karar mekanızmalarıdır.
Sahtecilikkontrolleri, bir siparişin incelenmesi ve önlenmesinde belli başlı
yöntemlerdir (Fraudandchargeback, 2010).

Bir e-ticaret sitesinden ilk kez alışveriş yapan bir müşterinin siparişi kontrol
için önem taşır. Bu müşteriler için 3d ödeme kontrolü bir önlem olarak
alınması.

Site için müşterilerin yaptığı ortalama sipariş fiyatı üzeri yapılan siparişler
kontrole alınması.

Bir ürünün birden fazla adet sipariş verilmesi olağan durum dışında
değerlendirilir, bu yüzden bu kontrol de ele alınır.

Hızlı teslimat içeren ürünler sahtekârlık unsuruna açık olacağından dağıtım
öncesi kullanıcıyla görüşmek riski aza indirgeyecektir.

Anlamsız veya olağan dışı email adresleri sahtekârlık niteliği taşıdığından
kontrole alınması gereklidir.

Aynı kart ile en ucuz fiyatlı ürünler alınarak kart çekimi test edildiği çıkarımı
yapılabilir.
31
6. E-TİCARET SİTESİ SİPARİŞ VERİLERİ ANALİZİ
6.1.
Verilerin Analiz Süreci
E-ticaret veri kümesihazırlanmadan önce tabloların ilişkisel diagramı ortaya
çıkarılmıştır. Tablo verileri Ms Sql Server veritabanı kullanılarak incelemeye alınmış
ve oluşturulan diagramdaki tablolarınilişkisel durumu ele alınmıştır (Şekil 6.1).
Şekil 6.1. Site veritabanı yapısı
OrderHeader: Siparişlerin genel bilgilerinin tutulduğu tablodur.
OrderItem: Siparişlerin detaylarının tutulduğu tablodur.
Product: Sitede ürünlerin ve kategorilerinin tutulduğu tablodur.
Customer: Site üzerinde müşteri bilgilerinin tutulduğu tablodur.
32
6.2.
Değişkenlerin Sınıflandırma Üzerinde Etkisinin Belirlenmesi
Oluşturulan modeldeki verilerin sahtecilik sınıflandırmasında etkisinin bulunabilmesi
için Weka platformunda yer alan algoritmalardan yararlanılmıştır. Sırasıyla
GainRatio, ChiSquared ve InfoGain algoritmaları kullanılarak değişkenlerin
sınıflandırma üzerine etkileri sınanmıştır (Çizelge 6.1).
Çizelge 6.1. Değişkenlerin sınıflandırma üzerine etkileri
Sınıflamayı etkileyen değişken
Sipariş verilerinin sınıflandırma üzerine etki
Anlam
sonuçları
isimleri
GainRatio
ChiSquared
InfoGain
Total
Sipariş toplam tutarı
2
1
1
Payment_ref_code
Banka cevap kodu
3
5
4
Amount
Ürün fiyatı
9
12
13
OrderHour
Sipariş Saati 1-24 sınıflandırma
13
9
9
OrderDayOfWeek
Sipariş günü 1-7 sınıflandırma
14
10
11
NameSurnameLen
Müşteri ad soyad uzunluğu
1
2
2
Discount_money
İndirim tutarı
15
15
15
Coupon_Discount
Kupon indirim tutarı
16
16
16
Shipped_Amount
Kargo ücreti
8
11
10
CouponID
Kupon Id
17
17
17
EmailConfirmTime
E-mail doğrulama 1-24
11
14
14
sınıflama
CustomerCityID
Şehir Kodu
5
4
6
CustomerEmailFormat
E-formatı, uzantısına gore
7
7
7
sınıflama
OrderBrandID
Ürün marka id
6
6
5
CategoryID
Ürün kategori id
4
3
3
CustomerAge
Müşteri yaş
10
8
8
Gender
Müşteri cinsiyet
12
12
12
IsFraud
Sahtecilik kontrolü 1-0
Class Attribute
Class Attribute
sınıflandırma
Class
Attribute
Bu çalışmada kullanılan ilgili e-ticaret sitesinden 1615 adet sipariş incelenmiştir.
Modelleme için sahtecilik niteliği oluşturulan değişken listesi Çizelge 6.2’de
listelenmiş ve sınıflandırma üzerinde etkisi Çizelge 6.1’de belirtilmiştir.
33
Çizelge 6.2. Değişken listesi
1
2
3
4
5
6
7
8
9
Sipariş Toplam Tutarı
Banka Cevap Kodu
Sipariş Tutarı
Sipariş Saati
Siparişin Hangi Gün
Verildiği
Müşteri Ad Soyad
Uzunluğu
Sipariş İndirim Tutarı
Sipariş Kupon İndirimi
Kupon Id
10
11
12
13
E-mail Doğrulma Zamanı
Müşteri İl Id
Müşteri Email Format Tipi
Sipariş Marka Id
14
Sipariş Kategori Id
15
16
17
18
Kargo ücreti
Müşteri Yaşı
Müşteri Cinsiyeti
Sahtecilik kontrol Id
Veri madenciliğinde anlamlı veriye ulaşmak için kullanılan adımlar takip edilerek en
performanslı ve sonuca ulaştırabilecek veri kümesi oluşturma aşağıdaki adımlar takip
edilmiştir.

Veri Temizleme

Veri Bütünleştirme

Veri seçme

Veri Dönüştürme
Sahtecilik oluşturabilecek veri seçiminin ardından modellemede daha iyi performans
alabilmek ve verileri sınıflamada geniş bir sınıflandırma kümesiyle uğraşmak yerine
normalize edilmiş bir değer aralığıyla algoritmaları test etmek daha iyi sonuca
ulaşmamızda etkili olacaktır. Bu nedenle seçilen değişkenlere göre normalize edilmiş
değer karşılık tablosu aşağıda belirtimiştir.
Müşteri email uzantıları Çizelge 6.3’teki gibi karşılık değerleriyle normalize
edilmiştir.
34
Çizelge 6.3. E-Posta normalizasyon tablosu
customerEmailExtension
typeNum
customerEmailExtension
typeNum
customerEmailExtension
typeNum
aerodeon.com
1
link.com.tr
21
turksat.com.tr
41
anadolu.edu.tr
2
mac.com
22
uekae.tubitak.gov.tr
42
baxter.com
3
msn.com
23
vakifbank.com.tr
43
besiktas.ws
4
my.net.com
24
vodafone.com
44
cimri.com
5
mynet.com
25
windowslive.com
45
colpal.com
6
otmail.com
26
yahoo.co.uk
46
creareklam.com
7
redoksas.com
27
yahoo.com
47
cvsship.com
8
renault.com
28
yahoo.com.tr
48
dhl.com
9
rocketmail.com
29
yandex.ru
49
ekolay.net
10
sefine.com.tr
30
yapikredi.com.tr
50
ersell.com
11
sisecam.com
31
zorlu.com
51
garanti.com.tr
12
somacons.com
32
garantiemeklilik.com.tr
13
spk.gov.tr
33
gechit.com
14
superonline.com
34
gmail.com
15
superposta.com
35
groupama.com.tr
16
teb.com.tr
36
hotmail.com
17
temasltd.com
37
hotmail.com.tr
18
thy.com
38
isbank.net.tr
19
tr.petronas.com
39
istanbul.com
20
ttef.net
40
Müşterilerin
sipariş
günleri
Çizelge
6.4’te
normalize
edilmiş
değerleriye
belirtilmiştir.
Çizelge 6.4. Sipariş günü normalizasyon tablosu
orderDayOfWeek
Pazar
Pazartesi
Salı
Çarşamba
Perşembe
Cuma
Cumartesi
typeNum
1
2
3
4
5
6
7
Müşterilerin e-mail adreslerini doğrulama yapıp yapmaması da Çizelge 6.5’te
gruplandırılmıştır.
35
Çizelge 6.5. E-Posta doğrulama normalizasyon tablosu
emailConfirmTimeType
E-Posta Doğrulanmamış
E-Posta Doğrulanmış
typeNum
0
1
Müşterilerin sipariş saatleri 1’den 24’e kadar saat aralığında değerlendirmeye
alınmıştır. Aynı şekilde müşterilerin email doğrulama saatleri de normalize edilerek
modele eklenmiştir.
E-ticaret firaması tarafında bankadan dönen cevap kodlarına göre ve elle
uygulanansüreçlere göre karar verilen “sahtecilik” kolonu da sahtecilik veya
sahtecilik değil olarak normalize edilmiştir (Çizelge 6.6).
Çizelge 6.6. Sipariş sahtecilik normalizyon tablosu
isFraud
Sahtecilik içerir
Sahtecilik içermez
6.3.
typeNum
1
0
Model Üzerinde Sınıflandırma Metodlarının Uygulanması
E-ticaret sitesi üzerinde sahtecilik belirleme işleminde öncelikle firmanın operasyon
tarafında bankayla ve müşteriyle iletişimi sonucu elde edilmiş sahtecilikbilgileri elde
edilmiştir. Veri madencliği için sipariş verileri daha önce anlatılan veri temizleme,
veri bütünleştirme, değişken seçimi ve veri normalizasyonu aşamalarından sonra
sınıflandırma algoritmalarına tabi tutulmuştur (Şekil 6.2).
Sipariş Veri
Kümesi
Değişken seçim
algoritmaları ile
özellik azaltılması
Elle sınıflandırma
ve sınama
Sınıflandırma B
Sınıflandırma C
Sınıflandırma A
Sınıflandırma D
Şekil 6.2. Uygulama modeli aşamaları
36
7. WEKA’DA ALGORİTMALARIN UYGULANMASI
Navie Bayes Uygulanması
7.1.
Navie Bayes uygulamasında sırasıyla bütün değişkenler, Weka CfsSubSetEval,
Weka
ConsistensySubsetEval
uygulanmış
en
başarılı
veWeka
değişkenler
FilteredSubsetEval
algoritmada
algoritmalarına
sınanım
sonuçlarında
değerlendirilmiştir.

Bütün Değişkenler Kullanılarak Algoritmada Uygulanması
Veri kümesindeki tüm değişkenler kullanılarak ulaşılan algoritma sonuçlarıdır
(Çizelge 7.1, 7.2, 7.3).
Çizelge 7.1. Veri kümesi özellikleri
Instances: 1615
Test mode:split 70.0% train,
remainder test
Attributes: 18 (All attributes)
Çizelge 7.2. Navie Bayes uygulaması istatistik sonuçları
Correctly Classified Instances
446
92,1488%
Incorrectly Classified Instances
38
7,8512%
Kappa statistic
0.5351
Mean absolute error
0.0851
Root mean squared error
0.2416
-
Relative absolute error
549802%
Root relative squared error
877314%
Total Number of Instances
484
Çizelge 7.3. Navie Bayes uygulaması doğruluk sonuçları
TP Rate
FP Rate
Precision
Recall
F-Measure
ROC Area
Class
0.946
0.35
0.968
0.946
0.957
0.956
0
0.65
0.054
0.52
0.65
0.578
0.956
1
Weighted Avg.
0.921
0.326
0.931
0.921
0.925
0.956
37

Weka CfsSubSetEvalDeğişken Seçim Algoritmasının Uygulanması
Veri kümesindeki değişkenlerin CfsSubSetEval algoritması sonucu çıkan en başarılı
değişken seçim sonuçlarıdır (Çizelge 7.4, 7.5, 7.6).
Çizelge 7.4. Veri kümesi özellikleri
Instances: 1615
Test mode:split 70.0% train,
remainder test
Attributes: 4 (All attributes)
Çizelge 7.5. Navie Bayes uygulaması istatistik sonuçları:
Correctly Classified Instances
459
94.8347 %
Incorrectly Classified Instances
25
5.1653 %
Kappa statistic
0.5524
Mean absolute error
0.087
Root mean squared error
0.1944
Relative absolute error
56.1547%
Root relative squared error
70.5833%
Total Number of Instances
484
Çizelge 7.6. Navie Bayes uygulaması doğruluk sonuçları
TP Rate

FP Rate
Precision
Recall
F-Measure
ROC Area
Class
0.995
0.575
0.951
0.995
0.972
0.963
0
0.425
0.005
0.895
0.425
0.576
0.963
1
Weighted Avg.
0.948
0.528
0.946
0.948
0.94
0.963
Weka ConsistensySubsetEval Değişken Seçim Algoritmasının Uygulanması
Veri kümesindeki değişkenlerin ConsistensySubsetEval algoritması sonucu çıkan en
başarılı değişken seçim sonuçlarıdır (Çizelge 7.7, 7.8, 7.9).
Çizelge 7.7. Veri kümesi özellikleri
Instances: 1615
Test mode:split 70.0% train,
remainder test
Attributes: 4 (All attributes)
38
Çizelge 7.8. Navie Bayes uygulaması istatistik sonuçları
Correctly Classified Instances
445
91.9421 %
Incorrectly Classified Instances
39
8.0579 %
Kappa statistic
0.3593
Mean absolute error
0.1028
Root mean squared error
0.2397
Relative absolute error
66.3973 %
Root relative squared error
87.0523 %
Total Number of Instances
484
Çizelge 7.9. Navie Bayes uygulaması doğruluk sonuçları

TP Rate
FP Rate
Precision
Recall
F-Measure
ROC Area
Class
0.973
0.675
0.941
0.973
0.957
0.926
0
0.325
0.027
0.52
0.325
0.4
0.926
1
Weighted Avg.
0.919
0.621
0.906
0.919
0.911
0.926
Weka FilteredSubsetEval Değişken Seçim Algoritmasının Uygulanması
Veri kümesindeki değişkenlerin FilteredSubsetEval algoritması sonucu çıkan en
başarılı değişken seçim sonuçlarıdır (Çizelge 7.10, 7.11, 7.12).
Çizelge 7.10. Veri kümesi özellikleri
Instances: 1615
Test mode:split 70.0% train,
remainder test
Attributes: 3 (All attributes)
Çizelge 7.11. Navie Bayes uygulaması istatistik sonuçları
Correctly Classified Instances
457
94.4215 %
Incorrectly Classified Instances
27
5.5785 %
Kappa statistic
0.5018
Mean absolute error
0.0894
-
Root mean squared error
0.1998
Relative absolute error
57.7142 %
Root relative squared error
72.5646 %
Total Number of Instances
484
Çizelge 7.12. Navie Bayes uygulaması doğruluk sonuçları
TP Rate
FP Rate
Precision
Recall
F-Measure
ROC Area
Class
0.995
0.625
0.946
0.995
0.97
0.961
0
0.375
0.005
0.882
0.375
0.526
0.961
1
Weighted Avg.
0.944
0.574
0.941
0.944
0.934
0.961
39
RBF Network Uygulanması
7.2.
RBF Networkuygulamasında sırasıyla bütün değişkenler, Weka CfsSubSetEval, Weka
ConsistensySubsetEval ve Weka FilteredSubsetEval algoritmalarına uygulanmış en başarılı
değişkenler algoritmada sınanım sonuçlarında değerlendirilmiştir.

Bütün Değişkenler Kullanılarak Algoritmada Uygulanması
Veri kümesindeki tüm değişkenlerin algoritması sonucu çıkan en başarılı değişken
seçim sonuçlarıdır (Çizelge 7.13, 7.14, 7.15).
Çizelge 7.13. Veri kümesi özellikleri
Instances: 1615
Test mode:split 70.0% train,
remainder test
Attributes: 18 (All attributes)
Çizelge 7.14. RBF Network uygulaması istatistik sonuçları
Correctly Classified Instances
449
92.7686 %
Incorrectly Classified Instances
35
7.2314 %
Kappa statistic
0.4943
Mean absolute error
0.087
Root mean squared error
0.2433
-
Relative absolute error
56.1677 %
Root relative squared error
88.3558 %
Total Number of Instances
484
Çizelge 7.15. RBF Network uygulaması doğruluk sonuçları

TP Rate
FP Rate
Precision
Recall
F-Measure
ROC Area
Class
0.966
0.5
0.955
0.966
0.961
0.926
0
0.5
0.034
0.571
0.5
0.533
0.926
1
Weighted Avg.
0.928
0.461
0.924
0.928
0.925
0.926
Weka CfsSubSetEval Değişken Seçim Algoritmasının Uygulanması
Veri kümesindeki değişkenlerin CfsSubSetEval algoritması sonucu çıkan en başarılı
değişken seçim sonuçlarıdır (Çizelge 7.16, 7.17, 7.18).
Çizelge 7.16. Veri kümesi özellikleri
Instances: 1615
Test mode:split 70.0% train,
remainder test
Attributes: 4
40
Çizelge 7.17. RBF Network uygulaması istatistik sonuçları
Correctly Classified Instances
459
94.8347 %
Incorrectly Classified Instances
25
5.1653 %
Kappa statistic
0.6473
Mean absolute error
0.0676
Root mean squared error
0.2087
-
Relative absolute error
43.6668 %
Root relative squared error
75.8057 %
Total Number of Instances
484
Çizelge 7.18. RBF Network uygulaması doğruluk sonuçları
TP Rate
FP Rate
Precision
Recall
F-Measure
ROC Area
Class
0.975
0.35
0.969
0.975
0.972
0.954
0
0.65
0.025
0.703
0.65
0.675
0.954
1
0.323
0.947
0.948
0.947
0.954
Weighted Avg.

.
0.948
Weka ConsistensySubsetEval Değişken Seçim Algoritmasının Uygulanması
ConsistensySubsetEval sonucu başarılı seçim sonuçlarıdır (Çizelge 7.19, 7.20, 7.21).
Çizelge 7.19. Veri kümesi özellikleri
Instances: 1615
Test mode:split 70.0% train,
remainder test
Attributes: 4
Çizelge 7.20. RBF Network uygulaması istatistik sonuçları
Correctly Classified Instances
452
93.3884 %
Incorrectly Classified Instances
32
6.6116 %
Kappa statistic
0.5432
-
Mean absolute error
0.0808
-
Root mean squared error
0.2259
-
Relative absolute error
52.1645 %
-
Root relative squared error
82.0471 %
-
Total Number of Instances
484
-
Çizelge 7.21. RBF Network uygulaması doğruluk sonuçları
TP Rate
FP Rate
Precision
Recall
F-Measure
ROC Area
Class
0.968
0.45
0.96
0.968
0.964
0.932
0
0.55
0.032
0.611
0.55
0.579
0.932
1
Weighted Avg.
0.934
0.415
0.931
0.934
0.932
0.932
41

FilteredSubsetEval Değişken Seçim Algoritmasının Uygulanması
Veri kümesindeki değişkenlerin FilteredSubsetEval algoritması sonucu çıkan en
başarılı değişken seçim sonuçlarıdır (Çizelge 7.22, 7.23, 7.24).
Çizelge 7.22. Veri kümesi özellikleri
Instances: 1615
Test mode: split 70.0% train,
remainder test
Attributes: 3
Çizelge 7.23. RBF Network uygulaması istatistik sonuçları
Correctly Classified Instances
457
94.4215 %
Incorrectly Classified Instances
27
5.5785 %
Kappa statistic
0.6099
-
Mean absolute error
0.0706
-
Root mean squared error
0.2139
-
Relative absolute error
45.6029 %
-
Root relative squared error
77.6701 %
-
Total Number of Instances
484
-
Çizelge 7.24. RBF Network uygulaması doğruluk sonuçları
7.3.
IBK
TP Rate
FP Rate
Precision
Recall
F-Measure
ROC Area
Class
0.975
0.4
0.964
0.975
0.97
0.952
0
0.6
0.025
0.686
0.6
0.64
0.952
1
Weighted Avg.
0.944
0.369
0.941
0.944
0.943
0.952
IBK Uygulanması
uygulamasında
sırasıyla
bütün
değişkenler,
Weka
CfsSubSetEval,
Weka
ConsistensySubsetEval ve Weka FilteredSubsetEval algoritmalarına uygulanmış en başarılı
değişkenler algoritmada sınanım sonuçlarında değerlendirilmiştir.
Veri kümesindeki tüm değişkenlerin kullanımı sonucu çıkan en başarılı değişken
seçim sonuçlarıdır (Çizelge 7.25, 7.26, 7.27).
Çizelge 7.25. Veri kümesi özellikleri
Instances: 1615
Test mode:split 70.0% train,
remainder test
Attributes: 18
42
Çizelge 7.26. IBK uygulaması istatistik sonuçları
Correctly Classified Instances
455
94.0083 %
Incorrectly Classified Instances
29
5.9917 %
0.5909
-
Kappa statistic
Mean absolute error
0.064
Root mean squared error
0.2293
Relative absolute error
41.3355 %
Root relative squared error
83.2751 %
Total Number of Instances
484
Çizelge 7.27. IBK uygulaması doğruluk sonuçları

TP Rate
FP Rate
Precision
Recall
F-Measure
ROC Area
Class
0.971
0.4
0.964
0.971
0.967
0.841
0
0.6
0.029
0.649
0.6
0.623
0.841
1
Weighted Avg.
0.94
0.369
0.938
0.94
0.939
0.841
Weka CfsSubSetEval Değişken Seçim Algoritmasının Uygulanması
CfsSubSetEval algoritması sonucu seçim sonuçlarıdır (Çizelge 7.28, 7.29, 7.30).
Çizelge 7.28. Veri kümesi özellikleri
Instances: 1615
Test mode:split 70.0% train,
remainder test
Attributes: 4
Çizelge 7.29. IBK uygulaması istatistik sonuçları
Correctly Classified Instances
460
95.0413 %
Incorrectly Classified Instances
24
4.9587 %
Kappa statistic
0.6002
Mean absolute error
0.0688
-
Root mean squared error
0.214
Relative absolute error
44.4338 %
Root relative squared error
77.727 %
Total Number of Instances
484
Çizelge 7.30. IBK uygulaması doğruluk sonuçları
TP Rate
FP Rate
Precision
Recall
F-Measure
ROC Area
Class
0.991
0.5
0.957
0.991
0.973
0.912
0
0.5
0.009
0.833
0.5
0.625
0.912
1
Weighted Avg.
0.95
0.459
0.946
0.95
0.945
0.912
43

Weka ConsistensySubsetEval Değişken Seçim Algoritmasının Uygulanması
CfsSubSetEval algoritması sonucu seçim sonuçlarıdır (Çizelge 7.31, 7.32, 7.33).
Çizelge 7.31. Veri kümesi özellikleri
Instances: 1615
Test mode:split 70.0% train,
remainder test
Attributes: 4
Çizelge 7.32. IBK uygulaması istatistik sonuçları
Correctly Classified Instances
464
95.8678 %
Incorrectly Classified Instances
20
4.1322 %
Kappa statistic
0.6759
Mean absolute error
0.0682
Root mean squared error
0.1995
-
Relative absolute error
44.0454 %
Root relative squared error
72.4562 %
Total Number of Instances
484
Çizelge 7.33. IBK uygulaması doğruluk sonuçları

TP Rate
FP Rate
Precision
Recall
F-Measure
ROC Area
Class
0.993
0.425
0.963
0.993
0.978
0.943
0
0.575
0.007
0.885
0.575
0.697
0.943
1
Weighted Avg.
0.959
0.39
0.956
0.959
0.955
0.943
FilteredSubsetEval Değişken Seçim Algoritmasının Uygulanması
CfsSubSetEval algoritması sonucu seçim sonuçlarıdır (Çizelge 7.34, 7.35, 7.36).
Çizelge 7.34. Veri kümesi özellikleri
Instances: 1615
Test mode:split 70.0% train,
remainder test
Attributes: 3
Çizelge 7.35. IBK uygulaması istatistik sonuçları
Correctly Classified Instances
460
95.0413 %
Incorrectly Classified Instances
24
4.9587 %
Kappa statistic
0.6002
Mean absolute error
0.0688
Root mean squared error
0.214
-
Relative absolute error
44.4338 %
Root relative squared error
77.727 %
Total Number of Instances
484
44
Çizelge 7.36. IBK uygulaması doğruluk sonuçları
TP Rate
FP Rate
Precision
Recall
F-Measure
ROC Area
Class
0.991
0.5
0.957
0.991
0.973
0.912
0
0.5
0.009
0.833
0.5
0.625
0.912
1
Weighted Avg.
0.95
0.459
0.946
0.95
0.945
0.912
NBTree Uygulanması
7.4.
NBTree uygulamasında sırasıyla bütün değişkenler, Weka CfsSubSetEval, Weka
ConsistensySubsetEval veWeka FilteredSubsetEval algoritmalarına uygulanmış en başarılı
değişkenler algoritmada sınanım sonuçlarında değerlendirilmiştir.

Bütün Değişkenler Kullanılarak Algoritmada Uygulanması
Tüm değişkenleri kullanımına bağlı sonuçlardır (Çizelge 7.37, 7.38, 7.39).
Çizelge 7.37. Veri kümesi özellikleri
Instances: 1615
Test mode:split 70.0% train,
remainder test
Attributes: 4
Çizelge 7.38. NBTree uygulaması istatistik sonuçları
Correctly Classified Instances
Incorrectly Classified Instances
459
94.8347 %
25
5.1653 %
Kappa statistic
0.5387
Mean absolute error
0.0544
Root mean squared error
0.2269
-
Relative absolute error
35.1089 %
Root relative squared error
82.3806 %
Total Number of Instances
484
Çizelge 7.39. NBTree uygulaması doğruluk sonuçları
TP Rate
FP Rate
Precision
Recall
F-Measure
ROC Area
Class
0.998
0.6
0.949
0.998
0.978
0.828
0
0.4
0.002
0.941
0.4
0.697
0.828
1
Weighted Avg.
0.948
0.551
0.948
0.959
0.939
0.828
45
Veri kümesindeki değişkenlerin CfsSubSetEval algoritması sonucu çıkan en başarılı
değişken seçim sonuçlarıdır (Çizelge 7.40, 7.41, 7.42).
Çizelge 7.40. Veri kümesi özellikleri
Instances: 1615
Test mode:split 70.0% train,
remainder test
Attributes: 4
Çizelge 7.41. NBTree uygulaması istatistik sonuçları
Correctly Classified Instances
459
94.8347 %
Incorrectly Classified Instances
25
5.1653 %
Kappa statistic
0.5524
Mean absolute error
0.087
Root mean squared error
0.1944
-
Relative absolute error
56.1547 %
Root relative squared error
70.5833 %
Total Number of Instances
484
Çizelge 7.42. NBTree uygulaması doğruluk sonuçları
TP Rate
FP Rate
Precision
Recall
F-Measure
ROC Area
Class
0.995
0.575
0.951
0.995
0.972
0.963
0
0.425
0.005
0.895
0.425
0.576
0.963
1
Weighted Avg.
0.948
0.528
0.946
0.948
0.94
0.963
ConsistensySubsetEval algoritması başarım sonuçlarıdır (Çizelge 7.43, 7.44, 7.45).
Çizelge 7.43. Veri kümesi özellikleri
Instances: 1615
Test mode:split 70.0% train,
remainder test
Attributes: 4
Çizelge 7.44. NBTree uygulaması istatistik sonuçları
Correctly Classified Instances
457
94.4215 %
Incorrectly Classified Instances
27
5.5785 %
Kappa statistic
0.469
Mean absolute error
0.0632
Root mean squared error
0.2334
-
Relative absolute error
40.8044 %
Root relative squared error
84.7524 %
Total Number of Instances
484
46
Çizelge 7.45. NBTree uygulaması doğruluk sonuçları

TP Rate
FP Rate
Precision
Recall
F-Measure
ROC Area
Class
1
0.675
0.943
0.97
0.794
0.963
0
0.325
0
1
0.491
0.794
0.963
1
Weighted Avg.
0.944
0.619
0.944
0.948
0.931
0.794
FilteredSubsetEval Değişken Seçim Algoritmasının Uygulanması
FilteredSubsetEval algoritması sonucu seçim sonuçlarıdır (Çizelge 7.46, 7.47, 7.48).
Çizelge 7.46. Veri kümesi özellikleri
Instances: 1615
Test mode:split 70.0% train,
remainder test
Attributes: 3
Çizelge 7.47. NBTree uygulaması istatistik sonuçları
Correctly Classified Instances
457
94.4215 %
Incorrectly Classified Instances
27
5.5785 %
Kappa statistic
0.5018
Mean absolute error
0.0894
Root mean squared error
0.1998
-
Relative absolute error
57.7142 %
Root relative squared error
72.5646 %
Total Number of Instances
484
Çizelge 7.48. NBTree uygulaması doğruluk sonuçları
7.5.
J48
TP Rate
FP Rate
Precision
Recall
F-Measure
ROC Area
Class
0.995
0.625
0.946
0.995
0.97
0.961
0
0.375
0.005
0.882
0.375
0.526
0.961
1
Weighted Avg.
0.944
0.574
0.941
0.944
0.934
0.961
J48 Uygulanması
uygulamasında
sırasıyla
bütün
değişkenler,
Weka
CfsSubSetEval,
Weka
ConsistensySubsetEval veWeka FilteredSubsetEval algoritmalarına uygulanmış en başarılı
değişkenler algoritmada sınanım sonuçlarında değerlendirilmiştir.
47

Bütün Değişkenler Kullanılarak Algoritmada Uygulanması
Tüm değişkenleri kullanımına bağlı sonuçlardır (Çizelge 7.49, 7.50, 7.51).
Çizelge 7.49. Veri kümesi özellikleri
Instances: 1615
Test mode:split 70.0% train,
remainder test
Attributes: 3
Çizelge 7.50. J48 uygulaması istatistik sonuçları
Correctly Classified Instances
457
94.4215 %
Incorrectly Classified Instances
27
5.5785 %
Kappa statistic
0.469
Mean absolute error
0.1026
Root mean squared error
0.2268
-
Relative absolute error
66.2416 %
Root relative squared error
82.3448 %
Total Number of Instances
484
Çizelge 7.51. J48 uygulaması doğruluk sonuçları

TP Rate
FP Rate
Precision
Recall
F-Measure
ROC Area
Class
1
0.675
0.943
1
0.97
0.755
0
0.325
0
1
0.325
0.491
0.755
1
Weighted Avg.
0.944
0.619
0.947
0.944
0.931
0.755
Weka CfsSubSetEval Değişken Seçim Algoritmasının Uygulanması
CfsSubSetEval algoritması sonucu seçim sonuçlarıdır (Çizelge 7.52, 7.53, 7.54).
Çizelge 7.52. Veri kümesi özellikleri
Instances: 1615
Test mode:split 70.0% train,
remainder test
Attributes: 4
Çizelge 7.53. J48 uygulaması istatistik sonuçları
Correctly Classified Instances
444
91.7355 %
Incorrectly Classified Instances
40
8.2645 %
Kappa statistic
0
-
Mean absolute error
0.1542
Root mean squared error
0.2754
Relative absolute error
99.6058 %
Root relative squared error
99.9966 %
Total Number of Instances
484
48
Çizelge 7.54. J48 uygulaması doğruluk sonuçları

TP Rate
FP Rate
Precision
Recall
F-Measure
ROC Area
Class
1
1
0.917
1
0.957
0.5
0
0
0
0
0
0
0.5
1
Weighted Avg.
0.917
0.917
0.842
0.917
0.878
0.5
Weka ConsistensySubsetEval Değişken Seçim Algoritmasının Uygulanması
ConsistensySubsetEval algoritması sonucu seçim sonuçlarıdır (Çizelge 7.55, 7.56, 7.57).
Çizelge 7.55. Veri kümesi özellikleri
Instances: 1615
Test mode:split 70.0% train,
remainder test
Attributes: 4
Çizelge 7.56. J48 uygulaması istatistik sonuçları
Correctly Classified Instances
444
91.7355 %
Incorrectly Classified Instances
40
8.2645 %
Kappa statistic
0
-
Mean absolute error
0.1542
Root mean squared error
0.2754
Relative absolute error
99.6058 %
Root relative squared error
99.9966 %
Total Number of Instances
484
Çizelge 7.57. J48 uygulaması doğruluk sonuçları

TP Rate
FP Rate
Precision
Recall
F-Measure
ROC Area
Class
1
1
0.917
1
0.957
0.5
0
0
0
0
0
0
0.5
1
Weighted Avg.
0.917
0.917
0.842
0.917
0.878
0.5
Weka FilteredSubsetEval Değişken Seçim Algoritmasının Uygulanması
FilteredSubsetEval algoritması sonucu seçim sonuçlarıdır (Çizelge 7.58, 7.59, 7.60).
Çizelge 7.58. Veri kümesi özellikleri
Instances: 1615
Test mode:split 70.0% train,
remainder test
Attributes: 3
49
Çizelge 7.59. J48 uygulaması istatistik sonuçları
Correctly Classified Instances
444
91.7355 %
Incorrectly Classified Instances
40
8.2645 %
Kappa statistic
0
-
Mean absolute error
0.1542
Root mean squared error
0.2754
Relative absolute error
99.6058 %
Root relative squared error
99.9966 %
Total Number of Instances
484
Çizelge 7.60. J48 uygulaması doğruluk sonuçları
TP Rate
FP Rate
Precision
Recall
F-Measure
ROC Area
Class
1
1
0.917
1
0.957
0.5
0
0
0
0
0
0
0.5
1
Weighted Avg.
0.917
0.917
0.842
0.917
0.878
0.5
50
8. ARAŞTIRMA BULGULARI VE TARTIŞMA
Çıkan sonuçlar değerlendirildiğinde 4 farklı değişken seçim deneyi ile 6 farklı
sınıflandırma algoritmasının başarı oranları ölçümlenmiştir. İlk deneyde (Seçim A)
bütün değişkenler kullanılarak oluşturulmuş ve sınıflandırma algoritma sonuçlarına
ulaşılmıştır.
İkinci
deneyde
seçim
“B”
sınıflandırma
için
Weka
ConsistencySubsetEval değişken seçim algoritması kullanılarak en iyi 3 değişken
kümesi elde edilerek aynı sınıfladırma algoritmaları başarısı ölçülmüş ve aynı şekilde
üçüncü seçim “C” ve dördüncü seçim “D” deneylerde sırasıyla Weka CfsSubsetEval
ve Weka FilteredSubsetEval değişken seçim algoritmalarına tabi tutulup her bir
değişken kümesi sınıflandırma başarı sonuçları Şekil 8.1.’deözetlenmiştir. Tabloda A,
B, C ve D özellik seçim algoritmaları sonucu işleme alacağımız özellikler
belirtilmiştir. Kullandığımız seçim algoritmalarına bağlı olarak en iyi değişken
kümeleri, “sahtecilik” alanını doğru belirlemede en iyi değişkenler olduğundan
tabloda her bir sınıflandırıcı için “sahtecilik” değişkeni ayrıca belirtilmemiştir.
Şekil 8.1.’e göre consistencySubsetEval değişken seçim algoritmasıyla elde edilmiş
IBK (K en yakın komşu) algoritması %95,86 oranında bir başarı oranıyla en başarılı
sonucu elde edilmiştir.
Şekil 8.1. Sonuç değerleri
51
Çizelge 8.1. Özellik seçim algoritmalarına bağlı başarı sonuçları
Navie Bayes
RBF Network
KNN
NBTree
J48
A Durumu Özellik
Seçimi
92.1488 %
92.7686 %
94.0083 %
94.8347 %
94.4215 %
B Durumu Özellik
Seçimi
91.9421 %
93.3884 %
95.8678 %
94.4215 %
91.7355 %
C Durumu Özellik
Seçimi
94.8347 %
94.8347 %
95.0413 %
94.8347 %
91.7355 %
D Durumu Özellik
Seçimi
94.4215 %
94.4215 %
95.0413 %
94.4215 %
91.7355 %
Çizelge 8.2.’ye göre A, B, C ve D değişken seçim koşullarına göre, TP (true positive)
oranı, FP (false positive) oranı, duyarlılık, keskinlik ve F-ölçütü değerleri
belirtilmiştir.
Çizelge 8.2. Özellik seçim algoritmalarına bağlı başarı sonuçları
Sınıflandırıcı
Navie Bayes
RBF Network
KNN
NBTree
J48
Özellik Seçim Durumu
TP Oranı
FP Oranı
Keskinlik
Duyarlılık
F-Ölçütü
ROC Oranı
Sınıflandırma A
0.921
0.326
0.931
0.921
0.925
0.956
SınıflandırmaB
0.919
0.621
0.906
0.919
0.911
0.926
SınıflandırmaC
0.948
0.528
0.946
0.948
0.94
0.963
Sınıflandırma A
0.928
0.461
0.924
0.928
0.925
0.926
SınıflandırmaB
0.934
0.415
0.931
0.934
0.932
0.932
SınıflandırmaC
0.948
0.323
0.947
0.948
0.947
0.954
Sınıflandırma A
0.94
0.369
0.938
0.94
0.939
0.841
Sınıflandırma B
0.959
0.39
0.956
0.959
0.955
0.943
SınıflandırmaC
0.95
0.459
0.946
0.95
0.945
0.912
Sınıflandırma A
0.948
0.551
0.948
0.959
0.939
0.828
SınıflandırmaB
0.944
0.619
0.944
0.948
0.931
0.794
SınıflandırmaC
0.948
0.528
0.946
0.948
0.94
0.963
Sınıflandırma A
0.944
0.619
0.947
0.944
0.931
0.755
SınıflandırmaB
0.917
0.917
0.842
0.917
0.878
0.5
SınıflandırmaC
0.917
0.917
0.842
0.917
0.878
0.5
52
Çizelge 8.2.’ye göre consistencySubsetEval değişken seçim algoritmasıyla elde
edilmiş IBK (K en yakın komşu) en başarılı algoritmasonucuna Çizelge 8.3’teki gibi
elde edilmiştir.
Çizelge 8.3. Özellik seçim algoritmalarına bağlı en başarılı sonuç oranları
Özellik Seçim
ROC
Sınıflandırıcı
Durumu
TP Oranı
FP Oranı
Keskinlik
KNN (K en yakın komşu)
Sınıflandırma B
0.959
0.39
0.956
Duyarlılık
F-Ölçütü
Oranı
0.959
0.955
0.943
Çizelge 8.2.’ye göre en başarılı oranı belirlemekte kullandığımız TP (True Positive)
oranının 1’e yaklaştığı ve FP (False Positive) oranının 0’a yaklaştığı görülmektedir.
TP
(True Positive) oranının 1’e yakınsaması gerçekte olan “sahtecilik” olarak
nitelendirilen kayıtları doğru tahmin ettiği yönünde değerlendiriyor oluruz.
F-Ölçütü, keskinlik ve duyarlılık oranlarının harmonik ortalama değeri olduğundan
ortalama bir başarı ölçütü olarak ele alındığında 0.955 oranla diğer sınıflandırma
algoritmalarına göre en iyi sonuç elde edilmiştir.
Şekil 8.1.’e göre değişken seçim algoritmaları sonucu kullanılan değişkenlerin başarı
oranının, bütün değişkenler kullanılarak alınan başarı oranından daha büyük olduğu
gözlenmektedir. Değişkenler arası korelasyonun büyük olması durumunda daha iyi
sınıflandırma yapılabildiği sonucunu varabiliyoruz.
53
9. SONUÇ VE ÖNERİLER
Bu tez çalışmasında e-ticaret sitelerinde üzerinde kurumu finansal ve itibar
anlamında yıpratacak ve site üzerinden alışveriş yapan kişileri de doğrudan
etkileyecek kredi kartı sahtekârlıkdavranışlarını tespit eden bir sistem geliştirilmiştir.
Çalışmada kullanılan veriler gerçek bir e-ticaret sitesinden alınarak analiz edilmiştir.
1615 adet e-ticaret sipariş verisi üzerinden sınıflandırma algoritmaları deneyi
yapılmış ve elle tespit edilmiş sahtecilik içeren sipariş verileri üzerinde %95 oranında
başarı yüzdesine ulaşılmıştır.Oluşturulan model“www.indirimplus.com” adlı eticaret sitesi sipariş verileri temel alınarak hazırlanmıştır.
E-ticaret siteleri üzerinden yapılan kredi kartı sahtekârlık yöntemleri tespiti yapılan
bu çalışmasıyla kurum içi tehditler en aza indirgenmeyi amaçlamıştır. Farklı
sektörlerde de kişi ve kurumları yıpratacak sahtecilik girişim tespitinde çalışmamız
uyarlama yöntemleriyle kullanılabilir.
54
KAYNAKÇA
Ahi, L., (2015). Veri Madenciliği Yöntemleri İle Ana Harcama Gruplarının
Paylarının Tahmini.Hacettepe Üniversitesi, Fen Bilimleri Enstitüsü.Yüksek
Lisans Tezi, Ankara.
Akçetin, E., (2014). İstenmeyen Elektronik Posta(Spam) Tespitinde Karar Ağacı
Algoritmalarının
Performans
Kıyaslaması.
İnternet
Uygulamaları
ve
Yönetimi, 5(2), 46- 48
Aral, K., (2009). Veri madenciliği teknikleri ile reçete usulsüzlüklerinin tespiti: Bir
yöntem önerisi, İhsan Doğramacı Bilkent Üniversitesi, Mühendislik ve Fen
Bilimleri Enstitüsü. Yüksek Lisans Tezi, Ankara.
Aşuk, C., (2010). Sağlık Sigortası Şirketleri İçin Veri Madenciliği Tabanlı Suistimal
Tespit Sistemi, Marmara Üniversitesi, Fen Bilimleri Enstitüsü. Yüksek Lisans
Tezi, İstanbul.
Bolat, B., (2004). Mühendislik Uygulamalarında Genetik Algoritmalar ve
Operatörlerin İşlevleri, Mühendislik ve Fen Bilimleri Dergisi, 4(2004), 266
Cayiroğlu,
I.,
(2016).
Yapay
Sinir
Ağlarış.Erişim
Tarihi:
01.06.2016.
http://www.ibrahimcayiroglu.com/Dokumanlar/IleriAlgoritmaAnalizi/IleriAl
goritmaAnalizi-5.Hafta-YapaySinirAglari.pdf
Çerkez, S., (2003). Müşteri İlişkileri Yönetiminde İş Zekası ve Veri Madenciliği
Yöntemleri. İstanbul Teknik Üniversitesi Fen Bilimleri Enstitüsü. Yüksek
Lisans Tezi, İstanbul.
Fayyad, U., (1996). From Data Mining to Knowledge Discover in Databases. Al
Magazine, 37-54
55
Fraudandchargeback, (2010). Fraud kontrol noktalari. Erişim Tarihi: 01.06.2016.
http://www.fraudandchargeback.com/e-ticaret-siteleri-icin-fraud-kontrolnoktalari-neler-olabilir
Göker, H., (2012). Üniversite Giriş Sınavında Öğrencilerin Başarılarının Veri
Madenciliği Yöntemleri İle Tahmin Edilmesi. Gazi Üniversitesi Fen Bilimleri
Enstitüsü. Yüksek Lisans Tezi, Ankara.
Göral, A., (2007). Kredi Kartı Başvuru Aşamasında Sahtecilik Tespiti İçin Bir Veri
Madenciliği Modeli. İstanbul Teknik Üniversitesi Fen Bilimleri Enstitüsü.
Yüksek Lisans Tezi, İstanbul.
Han, J., (2001). Data Mining: Concept and Tecniques.Morgan Kaufmann
Publications, USA.
Kılıç, R., (2010). Kredi Kartı Sahteciliği. Marmara Üniversitesi Bankacılık ve
Sigortacılık Enstitüsü. Yüksek Lisans Tezi.
Kılıçarslan, H., (2013). Türkiye Gsm Sektöründe Veri Madenciliği Yöntemi ile
Sahtekârlık Tespiti ve Bir Uygulama. Beykent Üniversitesi Fen Bilimleri
Enstitüsü. Yüksek Lisans Tezi, Ankara.
Medeni, T., (2007). Bilgi Biliminin Mühendislik Gereksinimi ve Bilgi Mühendisliği.
Ankara.
Özalp, N., (2013). Yazar Tespiti için İyileştirilmiş Naive Bayesian Algoritması.
Conference Paper. 3-4
Özbay, E., (2007). Finans Sektöründe Veri Madenciliği ile Dolandırıcılık Tespiti,
Selçuk Üniversitesi, Fen Bilimleri Enstitüsü. Yüksek Lisans Tezi, Konya.
Sezen, C., (2011). Telekomünikasyon Sistemlerinde Sahtekârlık Tespiti ve Yönetimi,
Ege Üniversitesi, Fen Bilimleri Enstitüsü, Yüksek Lisans Tezi, İzmir.
56
Taşkın, Ç., (2005). Veri Madenciliğinde Karar Ağaçları ve Bir Satış Analizi
uygulaması. Sosyal Bilimler Dergisi, 6(2), 8-9
Tavacı, H., (2012). Gsm Şebekelerinde Sahtekârlık Yönetimi İçin Veri Madenciliği
Yöntemlerinin Ugulanması. Bahçeşehir Üniversitesi Fen Bilimleri Enstitüsü.
Yüksek Lisans Tezi, İstanbul.
Uğurlu, M., (2007). Yapay Sinir Ağı Modeliyle Bir Bankada Uygulama, Dumlupınar
Üniversitesi, Sosyal Bilimler Enstitüsü, Yüksek Lisans Tezi, Kütahya.
Türkoğlu, İ., (2009). Web Tabanlı Öğretim Materyallerinin Web Kullanım
Madenciliği İle Analiz Edilmesi. Fırat Üniv. Mühendislik Bilimleri Dergisi
22(1), 111-122
Wikipedia, (2016a). Cross-validation. Erişim Tarihi: 01.06.2016.
https://en.wikipedia.org/wiki/Cross-validation
Wikipedia, (2016b). K Nearest Neigbours. Erişim Tarihi: 01.06.2016.
https://en.wikipedia.org/wiki/K-nearest_neighbors_algorithm
Webrazzi, (2013). Fraud nedir nasil hesaplanir nasil engellenir. Erişim Tarihi:
01.06.2016.
http://webrazzi.com/2013/05/28/fraud-nedir-nasil-hesaplanir-
nasil-engellenir
57
ÖZGEÇMİŞ
Adı Soyadı
: Yasin KIRELLİ
Doğum Yeri ve Yılı : KONYA, 21/08/1989
Medeni Hali
: (Bekar)
Yabancı Dili
: İngilizce
E-posta
: yasinkirelli@gmail.com
Eğitim Durumu
Lise
: Ilgın Anadolu Lisesi, 2007
Lisans
: Kocaeli Üniversitesi, 2012
Mühendislik Fakültesi, Bilgisayar Mühendisliği
Yüksek Lisans
: İstanbul Ticaret Üniversitesi
Fen Bilimleri Enstitüsü, Bilgisayar Mühendisliği
Mesleki Deneyim
Bright E-Ventures,
Yazılım Mühendisi
2013-2015
Intertech Aş,
Yazılım Mühendisi
2015-…(devam ediyor)
58
Download